HeteroRC: 一个全新的脑电/脑磁时序解码方案（教程/代码开源）

背景：脑电/脑磁（EEG/MEG）时序解码研究常面临解码正确率低或仅对特定刺激有效的问题，主要因为传统线性解码器（如SVM、LDA）仅对锁时锁相信号（如ERP）敏感，无法有效处理非锁相信号（如神经振荡、功能连接）。研究目的：开发一种名为HeteroRC（异质性储备池计算）的新工具包，旨在无需手动特征提取，基于原始EEG/MEG信号自动捕捉包括ERP、神经振荡、非周期活动和功能连接在内的多种信息，提升解码能力，并提供可解释性。结论：HeteroRC在仿真和实际数据（如运动想象任务和注意优先图任务）中表现优异，能解码传统方法无法处理的“静默”信息，且通过可解释框架揭示解码依赖的信号特征（如时域或频域信息），代码开源、高效易用，为神经科学研究提供了强大工具。