基于 NeuroKit2 0.2.13 的垂直 EOG 眨眼分析从 MNE 依赖陷阱到可靠眨眼特征与事件分析的完整指南【免费下载链接】scientific-agent-skillsTurn any AI agent into an AI Scientist. The #1 Agent Skills library for science, used by 190,000 scientists worldwide. 165 ready-to-use validated skills plus 100 scientific databases covering biology, chemistry, medicine, and drug discovery. Compatible with Cursor, Claude Code, Codex, Pi, Antigravity, and the open Agent Skills standard.项目地址: https://gitcode.com/GitHub_Trending/cl/scientific-agent-skills本指南以本仓库scientific-agent-skills中 NeuroKit2 技能 的 EOG 参考文档 为骨架结合 仓库配套脚本 与 测试用例 中的源码证据系统讲解 NeuroKit2 0.2.13 眼电图EOG分析的适用范围、API 契约、眨眼特征提取、采样与伪影处理、事件/区间统计以及 EEG 眼电伪影处理的正确姿势。读完本文你将能基于固定版本0.2.13稳定复现一整套垂直 EOG 眨眼分析流程并规避 MNE 可选依赖、schema 漂移与解释过度等典型陷阱。一、适用范围与定位这是眨眼工作流不是全功能眼动系统NeuroKit2 的 EOG 流水线在 0.2.13 稳定版中主要是垂直 EOGvertical EOGVEOG眨眼工作流稳定版eog_process()要求眨眼为正向峰值positive-going peaks。因此在开始任何处理之前必须核对通道导联montage与极性polarity参考电极与物理单位physical unit采样率、硬件滤波器、放大器量程时钟与同步clock and synchronization。同时必须明确边界不要把该模块当作完整的视线追踪gaze、扫视saccade、注视fixation或睡眠分期系统。水平/垂直眼动解释、临床/嗜睡监测需要使用独立且经过验证的方法见 EOG 参考文档。这一先核对采集契约再处理的取向与本技能整体设计一致技能总入口 SKILL.md 明确要求处理前记录信号身份、采样率与物理单位、时钟/时间戳原点/漂移校正、极性/方向与采集侧滤波/增益、缺失样本等 8 项数据契约并强调绝不从列名推断单位。二、MNE 默认陷阱为什么必须显式指定 method在核心 0.2.13 安装中eog_peaks()与eog_findpeaks()默认methodmne。而 MNE 属于可选依赖核心安装仅含 NumPy、SciPy、pandas、scikit-learn、matplotlib、PyWavelets、requests、setuptools见 SKILL.md 的compatibility字段。因此默认调用可能直接抛出ImportError。有两种安全的规避方式在项目锁文件中加入经过复核的精确版本 MNE推荐流程见下文可复现安装显式选择核心方法neurokitsignals, info nk.eog_process( veog, sampling_rate200, methodneurokit, )注意eog_process()会把**kwargs透传给清洗与峰值检测函数因此务必记录显式 method而不是依赖环境相关的默认值——这正是本仓库 EOG 参考文档 反复强调的可复现性原则Record the explicit method rather than relying on an environment-dependent default.三、可复现安装与锁文件纪律本仓库技能约定的安装方式是固定精确版本uv pip install neurokit20.2.13如需可选功能如 MNE、cvxopt、Plotly、PyEMD、pyRQA 等应创建 uv 项目、只添加实际需要的包复核过的精确版本在uv sync --locked前提交并审查uv.lock。技能明确不在自动化工作流中安装上游的浮动fullextra见 SKILL.md也不安装移动开发分支。这一纪律同样固化在测试中测试脚本 通过unittest.skipUnless(HAS_NEUROKIT2, ...)门控并断言version(neurokit2) _common.NEUROKIT2_VERSION而_common.py中即固定了NEUROKIT2_VERSION 0.2.13与PINNED_INSTALL常量见 scripts/_common.py。四、稳定 schema高层与低层接口的返回契约4.1 高层接口eog_process()返回(signals, info)。默认信号列EOG_Raw, EOG_Clean, EOG_Blinks, EOG_Rateinfo中包含EOG_Blinks样本索引与sampling_rate。4.2 低层接口三兄弟返回类型各不相同clean nk.eog_clean(veog, sampling_rate200, methodneurokit) # 仅返回眨眼样本索引数组 blink_indices nk.eog_findpeaks( clean, sampling_rate200, methodneurokit, ) # 返回 (与信号等长的标记 DataFrame, info 字典) blink_markers, blink_info nk.eog_peaks( clean, sampling_rate200, methodneurokit, )注意文档与源码的漂移0.2.13 的eog_peaks()docstring 返回段写的是array而其标记源码实际返回(signals, info)。本文档明确建议以钉住的源码/运行时为权威The pinned source/runtime is authoritative for stable work.。这也是本仓库反复强调的把 schema 当作运行时观测值原则不要声称某一列清单是普适的。4.3 稳定方法清单清洗方法cleaningneurokit、agarwal2019、mne、brainstorm、kong1998峰值方法peaksneurokit、mne、brainstorm、blinker。其中 MNE 与部分方法路径依赖可选依赖包BLINKER 方法对应 Kleifges et al. 2017 的眨眼检测算法。选择方法后应显式记录避免隐式依赖环境。五、眨眼特征提取eog_features()的正确调用features nk.eog_features( clean, blink_info[EOG_Blinks], sampling_rate200, )关键点eog_features()需要清洗后的信号与峰值索引数组两个输入返回以事件为粒度的字典包含如下的字段Blink_LeftZeros, Blink_RightZeros, Blink_pAVR, Blink_nAVR, Blink_BAR, Blink_Duration不要只传入处理后的 DataFrame 作为唯一参数特征有效性依赖正向极性与准确的眨眼分段。六、采样率选择与伪影核查清单采样率应从采集端点和硬件带宽推导而不是套用一个通用数字基础眨眼时序可以容忍较低采样率详细眼睑速度或扫视形态学则需要更高采样率应使用带标注的数据在实际采样率下验证时间误差200–500 Hz 是科研中的常见范围但不是保证200–500 Hz is common in research but not a guarantee。处理前必须检查大幅眼动期间的饱和与削波saturation/clipping基线漂移与电极极化额/面部 EMG 与运动/线缆伪影工频噪声与通道脱落跨 session 的极性/导联变化缺失样本与 EEG/事件同步。禁止在眨眼期间或跨脱落段插值Do not interpolate through a blink or across detachment。保留原始/清洗叠加图、眨眼标记、被拒绝片段与人工复核结果。这与技能内通用的信号处理纪律一致——signal_processing.md 明确不得用滤波去修复削波、传感器脱落、丢包或运动且向前/向后填充会制造人工恒定段。七、事件与区间分析epoch 与 event-related 特征7.1 基本调用链epochs nk.epochs_create( signals, events, sampling_rate200, epochs_start-0.5, epochs_end2, baseline_correctionFalse, ) event_features nk.eog_eventrelated(epochs) interval_features nk.eog_intervalrelated(signals)7.2 返回字段的实测边界文档确认的事件相关字段包括EOG_Rate_Baseline、眨眼率的最小/最大/均值/SD 及其时间以及EOG_Blinks_Presence区间分析在官方示例中返回EOG_Peaks_N与EOG_Rate_Mean它并不普适地返回眨眼幅度或时长汇总——必须运行时检查实际列。这与 epochs_events.md 中把 schema 当作运行时观测值以及epochs_create()的端排除切片[start, end)、浮点时间索引含epochs_end、边界 epoch 会 padding 并可能含 NaN 等语义完全呼应。若需精确规划 epoch 窗口与基线样本数可直接使用本仓库的无依赖规划器python skills/neurokit2/scripts/plan_epochs.py \ --events 1000,2500,4000 --event-unit samples \ --sampling-rate 100 --recording-samples 5000 \ --epoch-start -0.2 --epoch-end 0.8 \ --baseline-start -0.2 --baseline-end 0该脚本拒绝无法精确映射到样本的 onsets/窗口对应测试见 test_scripts.py其中验证了 70 样本窗口与边界补零报告。7.3 解释克制短窗口上的眨眼率不稳定且任务依赖。计数/率的变化并不能唯一识别注意力、疲劳、压力、干眼、多巴胺或神经疾病——任何此类推断都需要独立验证的证据链。八、EEG 集成眼电污染识别而非完整校正管线EOG 有助于识别 EEG 中的眼动污染但NeuroKit2 本身不提供完整且经过验证的校正管线。若使用 MNE 进行校正遵循以下步骤同步并保留专用的 EOG 通道在合适的数据上拟合伪影识别/校正component 或 regression验证 component/回归选择不会移除神经信号比较原始与校正后的 ERP/频谱/拓扑图报告方法、通道、滤波、阈值、component 与排除标准。并避免循环地选择校正设置来最大化某个实验结果Avoid circularly selecting correction settings to maximize an experimental result。这与 eeg.md 的立场一致NeuroKit2 不提供类似eeg_process()的完整管线EEG 全流程预处理应交给 MNE 或其它验证框架并记录每一步变换与坏段决策。九、仓库内的配套支撑脚本、测试与证据链本仓库为该技能提供了 6 个有界bounded、仅本地、无动态执行的 CLI 助手scripts/脚本用途generate_synthetic.py无依赖、确定性的合成 CSV 数据生成inspect_signal.py有界的 CSV/时间/缺口/平线检查ecg_hrv_pipeline.py钉住版本的 ECG/质量/峰值校正/HRV 工作流eda_pipeline.py显式清洗、分解、SCR 工作流plan_epochs.py样本级精确的事件/边界/基线规划validate_multimodal.py严格的单位/采样率/时钟/对齐 schema 校验这些脚本的通用约束拒绝 URL、路径穿越与 symlink限制字节/行/通道拒绝覆盖除非--force惰性科学导入使--help无需 NeuroKit2永不使用 pickle确定性 JSON/CSV都由 tests/neurokit2/test_scripts.py 覆盖验证例如test_scripts_parse_without_dynamic_execution_or_network_imports以 AST 检查禁止eval/exec/compile与网络导入。EOG 分析前建议先用无依赖检查器核实信号质量python skills/neurokit2/scripts/inspect_signal.py \ --input recording.csv --root . --deidentified \ --columns EOG --time-column time_s --units EOGuV注意真实数据命令一律要求--deidentified对应_common.require_deidentified()的实现见 scripts/_common.py。十、可复现性要点与结论综合 EOG 参考文档 与仓库实现得到一份可直接落地的 EOG 眨眼分析检查单版本固定neurokit20.2.13uv pip install可选依赖精确锁定契约核对导联、极性、单位、采样率、时钟、硬件滤波与量程方法显式指定method默认mne可能因缺依赖抛错schema以钉住源码/运行时为准运行时观测并记录实际列特征eog_features(clean, blink_indices, ...)需要信号索引两个参数采样按带宽选率不迷信 200–500 Hz伪影不插值穿透眨眼/脱落保留原始叠加与复核记录统计短窗眨眼率不稳定计数/率变化不等于疾病或状态标签EEGNeuroKit2 不提供完整眼电校正需结合 MNE 并避免循环调参解释边界不把输出当作诊断、治疗建议或设备验证证据。按此清单执行即可在 0.2.13 固定版本上稳定、可审计地复现垂直 EOG 眨眼分析并让后续研究具备可引用的方法学证据链。【免费下载链接】scientific-agent-skillsTurn any AI agent into an AI Scientist. The #1 Agent Skills library for science, used by 190,000 scientists worldwide. 165 ready-to-use validated skills plus 100 scientific databases covering biology, chemistry, medicine, and drug discovery. Compatible with Cursor, Claude Code, Codex, Pi, Antigravity, and the open Agent Skills standard.项目地址: https://gitcode.com/GitHub_Trending/cl/scientific-agent-skills创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
基于 NeuroKit2 0.2.13 的垂直 EOG 眨眼分析从 MNE 依赖陷阱到可靠眨眼特征与事件分析的完整指南【免费下载链接】scientific-agent-skillsTurn any AI agent into an AI Scientist. The #1 Agent Skills library for science, used by 190,000 scientists worldwide. 165 ready-to-use validated skills plus 100 scientific databases covering biology, chemistry, medicine, and drug discovery. Compatible with Cursor, Claude Code, Codex, Pi, Antigravity, and the open Agent Skills standard.项目地址: https://gitcode.com/GitHub_Trending/cl/scientific-agent-skills本指南以本仓库scientific-agent-skills中 NeuroKit2 技能 的 EOG 参考文档 为骨架结合 仓库配套脚本 与 测试用例 中的源码证据系统讲解 NeuroKit2 0.2.13 眼电图EOG分析的适用范围、API 契约、眨眼特征提取、采样与伪影处理、事件/区间统计以及 EEG 眼电伪影处理的正确姿势。读完本文你将能基于固定版本0.2.13稳定复现一整套垂直 EOG 眨眼分析流程并规避 MNE 可选依赖、schema 漂移与解释过度等典型陷阱。一、适用范围与定位这是眨眼工作流不是全功能眼动系统NeuroKit2 的 EOG 流水线在 0.2.13 稳定版中主要是垂直 EOGvertical EOGVEOG眨眼工作流稳定版eog_process()要求眨眼为正向峰值positive-going peaks。因此在开始任何处理之前必须核对通道导联montage与极性polarity参考电极与物理单位physical unit采样率、硬件滤波器、放大器量程时钟与同步clock and synchronization。同时必须明确边界不要把该模块当作完整的视线追踪gaze、扫视saccade、注视fixation或睡眠分期系统。水平/垂直眼动解释、临床/嗜睡监测需要使用独立且经过验证的方法见 EOG 参考文档。这一先核对采集契约再处理的取向与本技能整体设计一致技能总入口 SKILL.md 明确要求处理前记录信号身份、采样率与物理单位、时钟/时间戳原点/漂移校正、极性/方向与采集侧滤波/增益、缺失样本等 8 项数据契约并强调绝不从列名推断单位。二、MNE 默认陷阱为什么必须显式指定 method在核心 0.2.13 安装中eog_peaks()与eog_findpeaks()默认methodmne。而 MNE 属于可选依赖核心安装仅含 NumPy、SciPy、pandas、scikit-learn、matplotlib、PyWavelets、requests、setuptools见 SKILL.md 的compatibility字段。因此默认调用可能直接抛出ImportError。有两种安全的规避方式在项目锁文件中加入经过复核的精确版本 MNE推荐流程见下文可复现安装显式选择核心方法neurokitsignals, info nk.eog_process( veog, sampling_rate200, methodneurokit, )注意eog_process()会把**kwargs透传给清洗与峰值检测函数因此务必记录显式 method而不是依赖环境相关的默认值——这正是本仓库 EOG 参考文档 反复强调的可复现性原则Record the explicit method rather than relying on an environment-dependent default.三、可复现安装与锁文件纪律本仓库技能约定的安装方式是固定精确版本uv pip install neurokit20.2.13如需可选功能如 MNE、cvxopt、Plotly、PyEMD、pyRQA 等应创建 uv 项目、只添加实际需要的包复核过的精确版本在uv sync --locked前提交并审查uv.lock。技能明确不在自动化工作流中安装上游的浮动fullextra见 SKILL.md也不安装移动开发分支。这一纪律同样固化在测试中测试脚本 通过unittest.skipUnless(HAS_NEUROKIT2, ...)门控并断言version(neurokit2) _common.NEUROKIT2_VERSION而_common.py中即固定了NEUROKIT2_VERSION 0.2.13与PINNED_INSTALL常量见 scripts/_common.py。四、稳定 schema高层与低层接口的返回契约4.1 高层接口eog_process()返回(signals, info)。默认信号列EOG_Raw, EOG_Clean, EOG_Blinks, EOG_Rateinfo中包含EOG_Blinks样本索引与sampling_rate。4.2 低层接口三兄弟返回类型各不相同clean nk.eog_clean(veog, sampling_rate200, methodneurokit) # 仅返回眨眼样本索引数组 blink_indices nk.eog_findpeaks( clean, sampling_rate200, methodneurokit, ) # 返回 (与信号等长的标记 DataFrame, info 字典) blink_markers, blink_info nk.eog_peaks( clean, sampling_rate200, methodneurokit, )注意文档与源码的漂移0.2.13 的eog_peaks()docstring 返回段写的是array而其标记源码实际返回(signals, info)。本文档明确建议以钉住的源码/运行时为权威The pinned source/runtime is authoritative for stable work.。这也是本仓库反复强调的把 schema 当作运行时观测值原则不要声称某一列清单是普适的。4.3 稳定方法清单清洗方法cleaningneurokit、agarwal2019、mne、brainstorm、kong1998峰值方法peaksneurokit、mne、brainstorm、blinker。其中 MNE 与部分方法路径依赖可选依赖包BLINKER 方法对应 Kleifges et al. 2017 的眨眼检测算法。选择方法后应显式记录避免隐式依赖环境。五、眨眼特征提取eog_features()的正确调用features nk.eog_features( clean, blink_info[EOG_Blinks], sampling_rate200, )关键点eog_features()需要清洗后的信号与峰值索引数组两个输入返回以事件为粒度的字典包含如下的字段Blink_LeftZeros, Blink_RightZeros, Blink_pAVR, Blink_nAVR, Blink_BAR, Blink_Duration不要只传入处理后的 DataFrame 作为唯一参数特征有效性依赖正向极性与准确的眨眼分段。六、采样率选择与伪影核查清单采样率应从采集端点和硬件带宽推导而不是套用一个通用数字基础眨眼时序可以容忍较低采样率详细眼睑速度或扫视形态学则需要更高采样率应使用带标注的数据在实际采样率下验证时间误差200–500 Hz 是科研中的常见范围但不是保证200–500 Hz is common in research but not a guarantee。处理前必须检查大幅眼动期间的饱和与削波saturation/clipping基线漂移与电极极化额/面部 EMG 与运动/线缆伪影工频噪声与通道脱落跨 session 的极性/导联变化缺失样本与 EEG/事件同步。禁止在眨眼期间或跨脱落段插值Do not interpolate through a blink or across detachment。保留原始/清洗叠加图、眨眼标记、被拒绝片段与人工复核结果。这与技能内通用的信号处理纪律一致——signal_processing.md 明确不得用滤波去修复削波、传感器脱落、丢包或运动且向前/向后填充会制造人工恒定段。七、事件与区间分析epoch 与 event-related 特征7.1 基本调用链epochs nk.epochs_create( signals, events, sampling_rate200, epochs_start-0.5, epochs_end2, baseline_correctionFalse, ) event_features nk.eog_eventrelated(epochs) interval_features nk.eog_intervalrelated(signals)7.2 返回字段的实测边界文档确认的事件相关字段包括EOG_Rate_Baseline、眨眼率的最小/最大/均值/SD 及其时间以及EOG_Blinks_Presence区间分析在官方示例中返回EOG_Peaks_N与EOG_Rate_Mean它并不普适地返回眨眼幅度或时长汇总——必须运行时检查实际列。这与 epochs_events.md 中把 schema 当作运行时观测值以及epochs_create()的端排除切片[start, end)、浮点时间索引含epochs_end、边界 epoch 会 padding 并可能含 NaN 等语义完全呼应。若需精确规划 epoch 窗口与基线样本数可直接使用本仓库的无依赖规划器python skills/neurokit2/scripts/plan_epochs.py \ --events 1000,2500,4000 --event-unit samples \ --sampling-rate 100 --recording-samples 5000 \ --epoch-start -0.2 --epoch-end 0.8 \ --baseline-start -0.2 --baseline-end 0该脚本拒绝无法精确映射到样本的 onsets/窗口对应测试见 test_scripts.py其中验证了 70 样本窗口与边界补零报告。7.3 解释克制短窗口上的眨眼率不稳定且任务依赖。计数/率的变化并不能唯一识别注意力、疲劳、压力、干眼、多巴胺或神经疾病——任何此类推断都需要独立验证的证据链。八、EEG 集成眼电污染识别而非完整校正管线EOG 有助于识别 EEG 中的眼动污染但NeuroKit2 本身不提供完整且经过验证的校正管线。若使用 MNE 进行校正遵循以下步骤同步并保留专用的 EOG 通道在合适的数据上拟合伪影识别/校正component 或 regression验证 component/回归选择不会移除神经信号比较原始与校正后的 ERP/频谱/拓扑图报告方法、通道、滤波、阈值、component 与排除标准。并避免循环地选择校正设置来最大化某个实验结果Avoid circularly selecting correction settings to maximize an experimental result。这与 eeg.md 的立场一致NeuroKit2 不提供类似eeg_process()的完整管线EEG 全流程预处理应交给 MNE 或其它验证框架并记录每一步变换与坏段决策。九、仓库内的配套支撑脚本、测试与证据链本仓库为该技能提供了 6 个有界bounded、仅本地、无动态执行的 CLI 助手scripts/脚本用途generate_synthetic.py无依赖、确定性的合成 CSV 数据生成inspect_signal.py有界的 CSV/时间/缺口/平线检查ecg_hrv_pipeline.py钉住版本的 ECG/质量/峰值校正/HRV 工作流eda_pipeline.py显式清洗、分解、SCR 工作流plan_epochs.py样本级精确的事件/边界/基线规划validate_multimodal.py严格的单位/采样率/时钟/对齐 schema 校验这些脚本的通用约束拒绝 URL、路径穿越与 symlink限制字节/行/通道拒绝覆盖除非--force惰性科学导入使--help无需 NeuroKit2永不使用 pickle确定性 JSON/CSV都由 tests/neurokit2/test_scripts.py 覆盖验证例如test_scripts_parse_without_dynamic_execution_or_network_imports以 AST 检查禁止eval/exec/compile与网络导入。EOG 分析前建议先用无依赖检查器核实信号质量python skills/neurokit2/scripts/inspect_signal.py \ --input recording.csv --root . --deidentified \ --columns EOG --time-column time_s --units EOGuV注意真实数据命令一律要求--deidentified对应_common.require_deidentified()的实现见 scripts/_common.py。十、可复现性要点与结论综合 EOG 参考文档 与仓库实现得到一份可直接落地的 EOG 眨眼分析检查单版本固定neurokit20.2.13uv pip install可选依赖精确锁定契约核对导联、极性、单位、采样率、时钟、硬件滤波与量程方法显式指定method默认mne可能因缺依赖抛错schema以钉住源码/运行时为准运行时观测并记录实际列特征eog_features(clean, blink_indices, ...)需要信号索引两个参数采样按带宽选率不迷信 200–500 Hz伪影不插值穿透眨眼/脱落保留原始叠加与复核记录统计短窗眨眼率不稳定计数/率变化不等于疾病或状态标签EEGNeuroKit2 不提供完整眼电校正需结合 MNE 并避免循环调参解释边界不把输出当作诊断、治疗建议或设备验证证据。按此清单执行即可在 0.2.13 固定版本上稳定、可审计地复现垂直 EOG 眨眼分析并让后续研究具备可引用的方法学证据链。【免费下载链接】scientific-agent-skillsTurn any AI agent into an AI Scientist. The #1 Agent Skills library for science, used by 190,000 scientists worldwide. 165 ready-to-use validated skills plus 100 scientific databases covering biology, chemistry, medicine, and drug discovery. Compatible with Cursor, Claude Code, Codex, Pi, Antigravity, and the open Agent Skills standard.项目地址: https://gitcode.com/GitHub_Trending/cl/scientific-agent-skills创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
