用途：MNE 是面向神经生理数据分析的开源 Python 包，处理 EEG、MEG、sEEG、ECoG 等脑信号，适用于临床或研究记录的预处理、事件相关电位（ERP）分析、源定位、脑区连接性分析，以及为机器学习准备数据。
主要能力：提供滤波、去噪、事件提取、分段（Epochs）、平均诱发响应（Evoked）、功率谱与频段分析，并支持源空间重建和通道间连接性计算。
使用方式：标准流程为 Raw → Epochs → Evoked。常用导入为 import mne 与 import numpy as np。读取数据可用 mne.io.read_raw_fif("sample_audvis_raw.fif") 或 mne.io.read_raw_edf("eeg.edf")；滤波示例 raw.filter(l_freq=1, h_freq=40) 与 raw.notch_filter(freqs=[50, 100])；事件与分段用 mne.find_events(raw) 和 mne.Epochs(raw, events, event_id={'stimulus': 1}, tmin=-0.2, tmax=0.5)；频域分析用 epochs.compute_psd().plot()。源定位涉及 make_forward_solution、make_inverse_operator、apply_inverse；连接性可用 mne.connectivity.spectral_connectivity。
关键规则：应在分段前对连续数据滤波；用 raw.plot() 检查伪迹；设置电极位置（montage）；平均前剔除坏段。避免过度滤波、忽略参考电极、混用不同采样率。
限制：资料未提供具体收费、价格、平台支持范围或性能指标，暂未提供。