7万次海外网站曝光:这套脑电教程,代码、数据、30页课件都开源了

截至本次统计，分享帖获得了 71,616 次曝光、236 次收藏，并带来了319次课程仓库链接访问。所以，我们决定再发一遍这个开源课程。

但对于准备打开这套课程的你，更重要的问题是：

学完之后，我到底能做什么？

我们的目标很具体：拿到一份脑电记录，你知道该怎样读取、检查和分析；看到一个 Alpha 数值，你能解释它从哪里来；最后，你还能在自己的电脑上启动一个 EEG Agent，让分析结果进入可视化界面，甚至接入自己的应用。

为此，我们准备了 5节实操课、30页可编辑课件、真实教学数据，以及带有已保存结果的 Python Notebook。

前四课不需要脑电设备。Agent 也可以先用内置的合成数据运行起来，再根据条件接入真实记录或设备。课程与教学资料

01｜先别急着“读脑”，看懂这条处理路线

给你一份真实脑电记录，你会先做什么？

画出波形？计算 Alpha？还是直接交给 AI，让它解释？

在这套课程里，我们先沿着一条可以检查的路径往下走：

读取记录 → 核对采样率与单位 → 查看原始波形 → 预处理与质量检查 → 选择可用片段 → 计算频谱和 Alpha 特征。

走到这里，我们得到的是有数据依据的分析结果。

接下来，再进入独立的 Agent：让软件持续处理输入，把合格的特征与参考值比较，通过界面和接口提供反馈。

这不是一个“把文件扔进去，等一句答案”的黑箱。每一步，都有一个需要回答的问题。

第一个问题：屏幕上的曲线，到底是什么？

第一课先用一个简化的教学模型，观察事件怎样产生响应，不同响应又怎样叠加或抵消。你可以修改参数，观察结果变化。但这里产生的是模拟信号，不是人体实测脑电。第一课：信号形成的教学模拟

第二课才打开真实教学记录。

文件里的数字会变成七条通道曲线。你会核对采样率、数值单位和列顺序，知道横轴的时间怎样建立，纵轴的幅度意味着什么。

图1｜课程实际输出：Ch1 前五秒的原始波形，尚未滤波或进行质量筛选。

看到大约两秒处的明显变化，你可能马上想解释它。但此时，更合适的第一步是检查，而不是下结论。

文件能读出来，不代表信号质量合格；波形发生变化，也不等于已经知道变化的原因。这份历史记录的电极位置和实验条件尚未充分确认，因此课程保留 Ch1–Ch7 列名，不擅自补上脑区或任务标签。第二课：读取真实记录

02｜滤波之后，还要问：哪些数据可以继续用？

第三课开始处理一个真实问题：不是每个通道、每一秒数据，都适合进入后续分析。

课程保留原始记录，比较滤波前后的变化，再检查与工频附近成分、高频活动、幅度异常有关的指标。

这里要分清两件事：

滤波是在改变信号的频率成分；质量检查是在判断数据是否满足当前分析规则。

它们不能互相替代。曲线变得平滑，并不意味着干扰已经消失。

图2｜课程实际输出：检查标记、时间段筛选，以及保留样本在原时间轴上的位置。

你会看到：有些通道被排除，有些时间段不能继续使用。它们留下的空缺不会被悄悄抹去，也不会把几段分散数据拼成一段连续记录。

这是后面计算频谱的重要前提。

同时，通过检查只表示通过了这些规则，不保证数据完全没有干扰。课程采用的离线滤波还会使用前后两侧的数据，不能原样当成实时处理算法。第三课：预处理与质量筛选

03｜Alpha 不是一句解释，而是一步步算出来的

有了合适的连续片段，第四课才开始计算特征。

波形图告诉你：记录的电压怎样随时间变化。频谱则换了一个观察角度：这些变化的功率，怎样分布在不同频率上？

课程使用 Welch 方法估计功率谱密度，再计算 8–13 Hz 频段下面的面积，得到 Alpha 功率。

图3｜课程实际输出：左侧展示频谱中的 Alpha 频段，右侧比较同一合格片段中不同通道的 Alpha 功率。

这时，你已经能够追溯一个数值：它来自哪条通道？用了哪段数据？经过什么处理？哪些片段没有参与计算？

接下来，课程让四秒的分析窗口每次向前移动一秒，观察 Alpha 功率随时间的变化。跨过不合格片段的窗口不产生有效结果，图上的空缺也不会被填成零。

空缺表示这里没有可接受的估计，不表示大脑的 Alpha 功率变成了零。

同样，Alpha 功率也不是天然的“放松度”或“专注力分数”。先理解计算，再讨论解释，才能知道一个结果支持什么、又不支持什么。第四课：从波形到 Alpha 特征

04｜最后，你拿到的不只有几张图，还有一个 Agent

前面的 Notebook 帮你拆开计算过程。第五课，则把这些理解带到一个可以独立运行的应用里：NeuraDock EEG Workstation Agent。

它不是一段需要你继续补全的提示词，也不是运行 Notebook 后自动出现的聊天机器人，而是独立安装的 Python 软件。

它提供数据处理、质量检查、Alpha 分析、本地界面和应用接口。根据输入条件，你可以先运行合成演示，使用符合要求的授权记录进行分析或回放，或者连接 NeuraDock 设备接收实时数据。Agent 项目

图4｜真实软件界面的 SYNTHETIC DEMO 截图。数据由程序生成，不代表参与者实测结果。

这里有一个重要分工：

程序负责计算，大模型在启用时辅助解释。

Agent 的数值处理在本地完成；可选的大模型解释层接收受限的指标摘要和上下文，而不是原始脑电数组。运行基础界面不需要大模型 API key。Agent 架构

这让你可以先把数据处理和界面跑通，再决定是否需要语言解释功能。

屏幕上的数字，应该怎样读？

Alpha 体验界面展示的是当前 Alpha 功率相对于滚动参考值的倍数。

例如，1.2× 表示约为参考值的1.2倍，不表示“放松了120%”。参考值还会随合格数据更新，并不是永久固定的个人基准。

Agent 的在线处理与课程中的离线练习也不是完全相同的实现，不能要求它们给出一模一样的数值。第五课：理解反馈及其边界

05｜现在，就可以在自己的电脑上把它跑起来

先准备 Git 和 Python 3.11或3.12。下面的命令在自己电脑的终端中运行，不是在 GitHub 网页中输入。

Agent 和课程分别建立环境。第五课 Notebook 本身只做环境检查和生成空白观察表，不会自动安装软件或连接设备。

在存放项目的文件夹里打开终端：

git clone https://github.com/Neuradock/eeg-workstation-agent.gitcd eeg-workstation-agent

Windows PowerShell：以下假设已安装 Python 3.12。

py -3.12 -m venv .venv.\.venv\Scripts\python.exe -m pip install -e ..\.venv\Scripts\python.exe -m neuradock_agent serve --host 127.0.0.1 --port 8765

macOS / Linux：先确认 python3 指向上述建议版本，再运行：

python3 -m venv .venv.venv/bin/python -m pip install -e ..venv/bin/python -m neuradock_agent serve --host 127.0.0.1 --port 8765

保持终端运行，在浏览器打开：

http://127.0.0.1:8765

这是自己电脑上的界面地址。

成功启动后，检查三件事：

① 输入来源显示 SYNTHETIC DEMO。

② 图表随着演示数据更新。

③ 能查看质量提示和反馈是否可用。

启动初期需要积累合格窗口，暂时没有反馈不一定是故障。完成体验后，在服务终端按 Ctrl+C 停止。安装与体验指南

不止看界面，还可以接入自己的应用

Agent 提供 /api/status 接口。服务运行时，可以查看：

http://127.0.0.1:8765/api/status

应用不仅能读取指标，还能检查数据来源、质量状态、新鲜程度，以及当前反馈是否可用。

这意味着你可以在它的基础上继续做教学展示或交互原型。基本原则很简单：

先判断数据能不能用，再决定界面怎样响应。不能把断连、陈旧数据或缺失反馈当成参与者状态变化。在线接口实现

想看自己的实时脑电，还需要什么？

需要兼容的 NeuraDock 设备、采集或桥接环境，以及确认过的连接地址和端口。

连接后，至少确认：来源是真实设备；新样本持续到达；数据质量允许反馈。

打开演示页面不等于连接了设备，回放文件也不等于实时采集。实际实验应按指导完成连接、质量检查与停止流程。真实设备接入步骤

你最终带走的，应该是一套自己能解释的工具

回头再看，这五节课并不是五份彼此独立的资料：

第一课建立信号形成的直觉；第二课读懂真实记录；第三课决定哪些数据可以继续分析；第四课计算 Alpha 特征；第五课把理解带进可运行的 Agent。

配套的 30页可编辑课件和讲师备注，也让教师可以把这些问题带进课堂：先请学生预测，再运行代码，最后围绕真实结果讨论。五课课件与教学资源

完成这条入门路径后，你应当能够回答：

数据从哪里来？怎样处理？哪些被排除？特征怎样计算？反馈相对什么参考？哪些结论仍然不能下？

这些问题回答清楚，运行起来的 Agent 才不只是一个会动的界面。

它会成为一套你能检查、能解释，也能继续修改的工具。

从第一份真实数据开始，把脑电分析跑通。

点击“阅读原文”，进入 NeuraDock EEG 101 课程；准备动手的读者，也可以直接打开 NeuraDock EEG Agent。

课程入口https://github.com/Neuradock/neuradock-eeg-101

Agent 入口https://github.com/Neuradock/eeg-workstation-agent

欢迎关注 NeuraDock，一起把脑电从概念变成能动手检查的实验。