MNE-Python 插件合集（共 19 个）

【MNE 坏段与成分自动检测（mne-faster）安装教程】—— MNE-Python

■ 前置条件
   · 已安装 Python 3.9~3.12（推荐用 conda 或 venv 独立环境）。

■ 本组件是什么
   自动检测坏导联、坏试次与坏独立成分的工具，减少人工标注工作量，提高大规模脑电脑磁数据的预处理效率。

■ 文件说明
   · 本目录共 1 个文件：Python 包（.whl）。
   · .whl 是 Python 安装包；.zip/.tar.gz 源码包解压后可 pip install。

■ 安装步骤（离线）
   1. 打开命令行（cmd / PowerShell / conda 终端）。
   2. 激活你的 Python 环境，例如：conda activate mne
   3. 执行安装：
      · whl： pip install "本目录 whl 的完整路径"
      · 源码： 解压后进入该目录执行 pip install .
   4. 验证：python -c "import mne; print(mne.__version__)"
   5. 若依赖缺失，按报错提示 pip install 对应库（一般 mne 主包会自带依赖）。

■ 常见问题
   · 安装很慢：可加国内镜像参数 -i https://pypi.tuna.tsinghua.edu.cn/simple

■ 验证是否装好
   · 重启软件后在插件/扩展列表里能看到「MNE 坏段与成分自动检测」，即为成功。
   · 若列表里没有，先看软件的日志（一般在 帮助 → 显示日志）里有没有该插件的报错。

■ 常见问题
   · 提示版本不兼容：本店提供的插件版本与软件版本有对应关系，升级软件后如报错请把软件版本发客服换包。
   · 装完没反应：确认放对了目录、且改名后没有多余的后缀（如 .txt）。
   · 与已有插件冲突：先在插件列表里停用同名插件再试。

■ 来源与版权
   PyPI 官方分发（MNE 生态）
   开源/免费发布，仅作学习研究用途；本教程由本店整理，请勿转载。

【MNE 图形界面扩展（mne-gui-addons）安装教程】—— MNE-Python

■ 前置条件
   · 已安装 Python 3.9~3.12（推荐用 conda 或 venv 独立环境）。

■ 本组件是什么
   为 MNE-Python 补充图形界面功能的扩展集，提供更便捷的交互式数据浏览、标注与可视化操作，需配合主库使用。

■ 文件说明
   · 本目录共 1 个文件：Python 包（.whl）。
   · .whl 是 Python 安装包；.zip/.tar.gz 源码包解压后可 pip install。

■ 安装步骤（离线）
   1. 打开命令行（cmd / PowerShell / conda 终端）。
   2. 激活你的 Python 环境，例如：conda activate mne
   3. 执行安装：
      · whl： pip install "本目录 whl 的完整路径"
      · 源码： 解压后进入该目录执行 pip install .
   4. 验证：python -c "import mne; print(mne.__version__)"
   5. 若依赖缺失，按报错提示 pip install 对应库（一般 mne 主包会自带依赖）。

■ 常见问题
   · 安装很慢：可加国内镜像参数 -i https://pypi.tuna.tsinghua.edu.cn/simple

■ 验证是否装好
   · 重启软件后在插件/扩展列表里能看到「MNE 图形界面扩展」，即为成功。
   · 若列表里没有，先看软件的日志（一般在 帮助 → 显示日志）里有没有该插件的报错。

■ 常见问题
   · 提示版本不兼容：本店提供的插件版本与软件版本有对应关系，升级软件后如报错请把软件版本发客服换包。
   · 装完没反应：确认放对了目录、且改名后没有多余的后缀（如 .txt）。
   · 与已有插件冲突：先在插件列表里停用同名插件再试。

■ 来源与版权
   PyPI 官方分发（MNE 生态）
   开源/免费发布，仅作学习研究用途；本教程由本店整理，请勿转载。

【MNE 独立成分自动标注（mne-icalabel）安装教程】—— MNE-Python

■ 前置条件
   · 已安装 Python 3.9~3.12（推荐用 conda 或 venv 独立环境）。

■ 本组件是什么
   利用机器学习自动标注 MEG、EEG 与 iEEG 数据的 ICA 成分，区分脑源与各类伪迹，显著简化独立成分筛选流程。

■ 文件说明
   · 本目录共 1 个文件：Python 包（.whl）。
   · .whl 是 Python 安装包；.zip/.tar.gz 源码包解压后可 pip install。

■ 安装步骤（离线）
   1. 打开命令行（cmd / PowerShell / conda 终端）。
   2. 激活你的 Python 环境，例如：conda activate mne
   3. 执行安装：
      · whl： pip install "本目录 whl 的完整路径"
      · 源码： 解压后进入该目录执行 pip install .
   4. 验证：python -c "import mne; print(mne.__version__)"
   5. 若依赖缺失，按报错提示 pip install 对应库（一般 mne 主包会自带依赖）。

■ 常见问题
   · 安装很慢：可加国内镜像参数 -i https://pypi.tuna.tsinghua.edu.cn/simple

■ 验证是否装好
   · 重启软件后在插件/扩展列表里能看到「MNE 独立成分自动标注」，即为成功。
   · 若列表里没有，先看软件的日志（一般在 帮助 → 显示日志）里有没有该插件的报错。

■ 常见问题
   · 提示版本不兼容：本店提供的插件版本与软件版本有对应关系，升级软件后如报错请把软件版本发客服换包。
   · 装完没反应：确认放对了目录、且改名后没有多余的后缀（如 .txt）。
   · 与已有插件冲突：先在插件列表里停用同名插件再试。

■ 来源与版权
   PyPI 官方分发（MNE 生态）
   开源/免费发布，仅作学习研究用途；本教程由本店整理，请勿转载。

【MNE 原始数据浏览后端（mne-qt-browser）安装教程】—— MNE-Python

■ 前置条件
   · 已安装 Python 3.9~3.12（推荐用 conda 或 venv 独立环境）。

■ 本组件是什么
   基于 PyQtGraph 的 MNE 原始数据浏览后端，提供更流畅的滚动与缩放体验，适合长时间记录的快速浏览与标注。

■ 文件说明
   · 本目录共 1 个文件：Python 包（.whl）。
   · .whl 是 Python 安装包；.zip/.tar.gz 源码包解压后可 pip install。

■ 安装步骤（离线）
   1. 打开命令行（cmd / PowerShell / conda 终端）。
   2. 激活你的 Python 环境，例如：conda activate mne
   3. 执行安装：
      · whl： pip install "本目录 whl 的完整路径"
      · 源码： 解压后进入该目录执行 pip install .
   4. 验证：python -c "import mne; print(mne.__version__)"
   5. 若依赖缺失，按报错提示 pip install 对应库（一般 mne 主包会自带依赖）。

■ 常见问题
   · 安装很慢：可加国内镜像参数 -i https://pypi.tuna.tsinghua.edu.cn/simple

■ 验证是否装好
   · 重启软件后在插件/扩展列表里能看到「MNE 原始数据浏览后端」，即为成功。
   · 若列表里没有，先看软件的日志（一般在 帮助 → 显示日志）里有没有该插件的报错。

■ 常见问题
   · 提示版本不兼容：本店提供的插件版本与软件版本有对应关系，升级软件后如报错请把软件版本发客服换包。
   · 装完没反应：确认放对了目录、且改名后没有多余的后缀（如 .txt）。
   · 与已有插件冲突：先在插件列表里停用同名插件再试。

■ 来源与版权
   PyPI 官方分发（MNE 生态）
   开源/免费发布，仅作学习研究用途；本教程由本店整理，请勿转载。

【MNE 信号去噪工具（mne-denoise）安装教程】—— MNE-Python

■ 前置条件
   · 已安装 Python 3.9~3.12（推荐用 conda 或 venv 独立环境）。

■ 本组件是什么
   面向 EEG 与 MEG 的伪迹去除与信号降噪工具，集成多种空域与频域方法，便于在预处理阶段明显提升信噪比。

■ 文件说明
   · 本目录共 1 个文件：Python 包（.whl）。
   · .whl 是 Python 安装包；.zip/.tar.gz 源码包解压后可 pip install。

■ 安装步骤（离线）
   1. 打开命令行（cmd / PowerShell / conda 终端）。
   2. 激活你的 Python 环境，例如：conda activate mne
   3. 执行安装：
      · whl： pip install "本目录 whl 的完整路径"
      · 源码： 解压后进入该目录执行 pip install .
   4. 验证：python -c "import mne; print(mne.__version__)"
   5. 若依赖缺失，按报错提示 pip install 对应库（一般 mne 主包会自带依赖）。

■ 常见问题
   · 安装很慢：可加国内镜像参数 -i https://pypi.tuna.tsinghua.edu.cn/simple

■ 验证是否装好
   · 重启软件后在插件/扩展列表里能看到「MNE 信号去噪工具」，即为成功。
   · 若列表里没有，先看软件的日志（一般在 帮助 → 显示日志）里有没有该插件的报错。

■ 常见问题
   · 提示版本不兼容：本店提供的插件版本与软件版本有对应关系，升级软件后如报错请把软件版本发客服换包。
   · 装完没反应：确认放对了目录、且改名后没有多余的后缀（如 .txt）。
   · 与已有插件冲突：先在插件列表里停用同名插件再试。

■ 来源与版权
   PyPI 官方分发（MNE 生态）
   开源/免费发布，仅作学习研究用途；本教程由本店整理，请勿转载。

【MNE-BIDS 数据组织工具（mne-bids）安装教程】—— MNE-Python

■ 前置条件
   · 已安装 Python 3.9~3.12（推荐用 conda 或 venv 独立环境）。

■ 本组件是什么
   按 BIDS 规范整理脑磁、脑电与颅内脑电数据，生成标准化目录与元数据，支持直接读取后用 MNE-Python 分析。

■ 文件说明
   · 本目录共 1 个文件：Python 包（.whl）。
   · .whl 是 Python 安装包；.zip/.tar.gz 源码包解压后可 pip install。

■ 安装步骤（离线）
   1. 打开命令行（cmd / PowerShell / conda 终端）。
   2. 激活你的 Python 环境，例如：conda activate mne
   3. 执行安装：
      · whl： pip install "本目录 whl 的完整路径"
      · 源码： 解压后进入该目录执行 pip install .
   4. 验证：python -c "import mne; print(mne.__version__)"
   5. 若依赖缺失，按报错提示 pip install 对应库（一般 mne 主包会自带依赖）。

■ 常见问题
   · 安装很慢：可加国内镜像参数 -i https://pypi.tuna.tsinghua.edu.cn/simple

■ 验证是否装好
   · 重启软件后在插件/扩展列表里能看到「MNE-BIDS 数据组织工具」，即为成功。
   · 若列表里没有，先看软件的日志（一般在 帮助 → 显示日志）里有没有该插件的报错。

■ 常见问题
   · 提示版本不兼容：本店提供的插件版本与软件版本有对应关系，升级软件后如报错请把软件版本发客服换包。
   · 装完没反应：确认放对了目录、且改名后没有多余的后缀（如 .txt）。
   · 与已有插件冲突：先在插件列表里停用同名插件再试。

■ 来源与版权
   PyPI 官方分发（MNE 生态）
   开源/免费发布，仅作学习研究用途；本教程由本店整理，请勿转载。

【MNE 全分辨率推断（mne-ari）安装教程】—— MNE-Python

■ 前置条件
   · 已安装 Python 3.9~3.12（推荐用 conda 或 venv 独立环境）。

■ 本组件是什么
   面向 M/EEG 的全分辨率推断（ARI）统计工具，可在时间点或传感器层面进行无需多重比较校正的假设检验并控制族错误率。

■ 文件说明
   · 本目录共 1 个文件：源码压缩包（.tar.gz）。
   · .whl 是 Python 安装包；.zip/.tar.gz 源码包解压后可 pip install。

■ 安装步骤（离线）
   1. 打开命令行（cmd / PowerShell / conda 终端）。
   2. 激活你的 Python 环境，例如：conda activate mne
   3. 执行安装：
      · whl： pip install "本目录 whl 的完整路径"
      · 源码： 解压后进入该目录执行 pip install .
   4. 验证：python -c "import mne; print(mne.__version__)"
   5. 若依赖缺失，按报错提示 pip install 对应库（一般 mne 主包会自带依赖）。

■ 常见问题
   · 安装很慢：可加国内镜像参数 -i https://pypi.tuna.tsinghua.edu.cn/simple

■ 验证是否装好
   · 重启软件后在插件/扩展列表里能看到「MNE 全分辨率推断」，即为成功。
   · 若列表里没有，先看软件的日志（一般在 帮助 → 显示日志）里有没有该插件的报错。

■ 常见问题
   · 提示版本不兼容：本店提供的插件版本与软件版本有对应关系，升级软件后如报错请把软件版本发客服换包。
   · 装完没反应：确认放对了目录、且改名后没有多余的后缀（如 .txt）。
   · 与已有插件冲突：先在插件列表里停用同名插件再试。

■ 来源与版权
   https://github.com/john-veillette/mne-ari
   开源/免费发布，仅作学习研究用途；本教程由本店整理，请勿转载。

【MNE-BIDS 自动处理流程（mne-bids-pipeline）安装教程】—— MNE-Python

■ 前置条件
   · 已安装 Python 3.9~3.12（推荐用 conda 或 venv 独立环境）。

■ 本组件是什么
   面向 MEG 与 EEG 数据的端到端处理流水线，基于 BIDS 自动完成预处理、伪迹去除、溯源与统计，适合批量研究。

■ 文件说明
   · 本目录共 1 个文件：Python 包（.whl）。
   · .whl 是 Python 安装包；.zip/.tar.gz 源码包解压后可 pip install。

■ 安装步骤（离线）
   1. 打开命令行（cmd / PowerShell / conda 终端）。
   2. 激活你的 Python 环境，例如：conda activate mne
   3. 执行安装：
      · whl： pip install "本目录 whl 的完整路径"
      · 源码： 解压后进入该目录执行 pip install .
   4. 验证：python -c "import mne; print(mne.__version__)"
   5. 若依赖缺失，按报错提示 pip install 对应库（一般 mne 主包会自带依赖）。

■ 常见问题
   · 安装很慢：可加国内镜像参数 -i https://pypi.tuna.tsinghua.edu.cn/simple

■ 验证是否装好
   · 重启软件后在插件/扩展列表里能看到「MNE-BIDS 自动处理流程」，即为成功。
   · 若列表里没有，先看软件的日志（一般在 帮助 → 显示日志）里有没有该插件的报错。

■ 常见问题
   · 提示版本不兼容：本店提供的插件版本与软件版本有对应关系，升级软件后如报错请把软件版本发客服换包。
   · 装完没反应：确认放对了目录、且改名后没有多余的后缀（如 .txt）。
   · 与已有插件冲突：先在插件列表里停用同名插件再试。

■ 来源与版权
   PyPI 官方分发（MNE 生态）
   开源/免费发布，仅作学习研究用途；本教程由本店整理，请勿转载。

【MNE 时序特征提取（mne-features）安装教程】—— MNE-Python

■ 前置条件
   · 已安装 Python 3.9~3.12（推荐用 conda 或 venv 独立环境）。

■ 本组件是什么
   从多变量时间序列中提取统计、谱与分形等特征，便于结合机器学习方法对脑电脑磁信号做分类与解码分析。

■ 文件说明
   · 本目录共 1 个文件：Python 包（.whl）。
   · .whl 是 Python 安装包；.zip/.tar.gz 源码包解压后可 pip install。

■ 安装步骤（离线）
   1. 打开命令行（cmd / PowerShell / conda 终端）。
   2. 激活你的 Python 环境，例如：conda activate mne
   3. 执行安装：
      · whl： pip install "本目录 whl 的完整路径"
      · 源码： 解压后进入该目录执行 pip install .
   4. 验证：python -c "import mne; print(mne.__version__)"
   5. 若依赖缺失，按报错提示 pip install 对应库（一般 mne 主包会自带依赖）。

■ 常见问题
   · 安装很慢：可加国内镜像参数 -i https://pypi.tuna.tsinghua.edu.cn/simple

■ 验证是否装好
   · 重启软件后在插件/扩展列表里能看到「MNE 时序特征提取」，即为成功。
   · 若列表里没有，先看软件的日志（一般在 帮助 → 显示日志）里有没有该插件的报错。

■ 常见问题
   · 提示版本不兼容：本店提供的插件版本与软件版本有对应关系，升级软件后如报错请把软件版本发客服换包。
   · 装完没反应：确认放对了目录、且改名后没有多余的后缀（如 .txt）。
   · 与已有插件冲突：先在插件列表里停用同名插件再试。

■ 来源与版权
   https://github.com/mne-tools/mne-features
   开源/免费发布，仅作学习研究用途；本教程由本店整理，请勿转载。

【MNE 近红外光谱处理（mne-nirs）安装教程】—— MNE-Python

■ 前置条件
   · 已安装 Python 3.9~3.12（推荐用 conda 或 venv 独立环境）。

■ 本组件是什么
   兼容 MNE 的近红外光谱（NIRS/fNIRS）数据处理包，支持血流动力学响应分析、可视化与统计，服务光学脑成像研究。

■ 文件说明
   · 本目录共 1 个文件：Python 包（.whl）。
   · .whl 是 Python 安装包；.zip/.tar.gz 源码包解压后可 pip install。

■ 安装步骤（离线）
   1. 打开命令行（cmd / PowerShell / conda 终端）。
   2. 激活你的 Python 环境，例如：conda activate mne
   3. 执行安装：
      · whl： pip install "本目录 whl 的完整路径"
      · 源码： 解压后进入该目录执行 pip install .
   4. 验证：python -c "import mne; print(mne.__version__)"
   5. 若依赖缺失，按报错提示 pip install 对应库（一般 mne 主包会自带依赖）。

■ 常见问题
   · 安装很慢：可加国内镜像参数 -i https://pypi.tuna.tsinghua.edu.cn/simple

■ 验证是否装好
   · 重启软件后在插件/扩展列表里能看到「MNE 近红外光谱处理」，即为成功。
   · 若列表里没有，先看软件的日志（一般在 帮助 → 显示日志）里有没有该插件的报错。

■ 常见问题
   · 提示版本不兼容：本店提供的插件版本与软件版本有对应关系，升级软件后如报错请把软件版本发客服换包。
   · 装完没反应：确认放对了目录、且改名后没有多余的后缀（如 .txt）。
   · 与已有插件冲突：先在插件列表里停用同名插件再试。

■ 来源与版权
   PyPI 官方分发（MNE 生态）
   开源/免费发布，仅作学习研究用途；本教程由本店整理，请勿转载。

【MNE 高频振荡检测（mne-hfo）安装教程】—— MNE-Python

■ 前置条件
   · 已安装 Python 3.9~3.12（推荐用 conda 或 venv 独立环境）。

■ 本组件是什么
   用于检测颅内脑电数据中的高频振荡（HFO）事件，由 MNE-Python 与 scikit-learn 提供支持。

■ 文件说明
   · 本目录共 1 个文件：Python 包（.whl）。
   · .whl 是 Python 安装包；.zip/.tar.gz 源码包解压后可 pip install。

■ 安装步骤（离线）
   1. 打开命令行（cmd / PowerShell / conda 终端）。
   2. 激活你的 Python 环境，例如：conda activate mne
   3. 执行安装：
      · whl： pip install "本目录 whl 的完整路径"
      · 源码： 解压后进入该目录执行 pip install .
   4. 验证：python -c "import mne; print(mne.__version__)"
   5. 若依赖缺失，按报错提示 pip install 对应库（一般 mne 主包会自带依赖）。

■ 常见问题
   · 安装很慢：可加国内镜像参数 -i https://pypi.tuna.tsinghua.edu.cn/simple

■ 验证是否装好
   · 重启软件后在插件/扩展列表里能看到「MNE 高频振荡检测」，即为成功。
   · 若列表里没有，先看软件的日志（一般在 帮助 → 显示日志）里有没有该插件的报错。

■ 常见问题
   · 提示版本不兼容：本店提供的插件版本与软件版本有对应关系，升级软件后如报错请把软件版本发客服换包。
   · 装完没反应：确认放对了目录、且改名后没有多余的后缀（如 .txt）。
   · 与已有插件冲突：先在插件列表里停用同名插件再试。

■ 来源与版权
   https://github.com/mne-tools/mne-hfo
   开源/免费发布，仅作学习研究用途；本教程由本店整理，请勿转载。

【MNE 表征相似性分析（mne-rsa）安装教程】—— MNE-Python

■ 前置条件
   · 已安装 Python 3.9~3.12（推荐用 conda 或 venv 独立环境）。

■ 本组件是什么
   在 MNE-Python 数据结构上执行表征相似性分析（RSA）的代码工具，用于比较不同条件或模态下的神经表征模式。

■ 文件说明
   · 本目录共 1 个文件：Python 包（.whl）。
   · .whl 是 Python 安装包；.zip/.tar.gz 源码包解压后可 pip install。

■ 安装步骤（离线）
   1. 打开命令行（cmd / PowerShell / conda 终端）。
   2. 激活你的 Python 环境，例如：conda activate mne
   3. 执行安装：
      · whl： pip install "本目录 whl 的完整路径"
      · 源码： 解压后进入该目录执行 pip install .
   4. 验证：python -c "import mne; print(mne.__version__)"
   5. 若依赖缺失，按报错提示 pip install 对应库（一般 mne 主包会自带依赖）。

■ 常见问题
   · 安装很慢：可加国内镜像参数 -i https://pypi.tuna.tsinghua.edu.cn/simple

■ 验证是否装好
   · 重启软件后在插件/扩展列表里能看到「MNE 表征相似性分析」，即为成功。
   · 若列表里没有，先看软件的日志（一般在 帮助 → 显示日志）里有没有该插件的报错。

■ 常见问题
   · 提示版本不兼容：本店提供的插件版本与软件版本有对应关系，升级软件后如报错请把软件版本发客服换包。
   · 装完没反应：确认放对了目录、且改名后没有多余的后缀（如 .txt）。
   · 与已有插件冲突：先在插件列表里停用同名插件再试。

■ 来源与版权
   PyPI 官方分发（MNE 生态）
   开源/免费发布，仅作学习研究用途；本教程由本店整理，请勿转载。

【MNE 连通性分析模块（mne-connectivity）安装教程】—— MNE-Python

■ 前置条件
   · 已安装 Python 3.9~3.12（推荐用 conda 或 venv 独立环境）。

■ 本组件是什么
   MNE 生态中的脑连通性分析模块，提供相干、相位锁定值、格兰杰因果等指标，用于估算脑区间功能连接与有效连接。

■ 文件说明
   · 本目录共 1 个文件：Python 包（.whl）。
   · .whl 是 Python 安装包；.zip/.tar.gz 源码包解压后可 pip install。

■ 安装步骤（离线）
   1. 打开命令行（cmd / PowerShell / conda 终端）。
   2. 激活你的 Python 环境，例如：conda activate mne
   3. 执行安装：
      · whl： pip install "本目录 whl 的完整路径"
      · 源码： 解压后进入该目录执行 pip install .
   4. 验证：python -c "import mne; print(mne.__version__)"
   5. 若依赖缺失，按报错提示 pip install 对应库（一般 mne 主包会自带依赖）。

■ 常见问题
   · 安装很慢：可加国内镜像参数 -i https://pypi.tuna.tsinghua.edu.cn/simple

■ 验证是否装好
   · 重启软件后在插件/扩展列表里能看到「MNE 连通性分析模块」，即为成功。
   · 若列表里没有，先看软件的日志（一般在 帮助 → 显示日志）里有没有该插件的报错。

■ 常见问题
   · 提示版本不兼容：本店提供的插件版本与软件版本有对应关系，升级软件后如报错请把软件版本发客服换包。
   · 装完没反应：确认放对了目录、且改名后没有多余的后缀（如 .txt）。
   · 与已有插件冲突：先在插件列表里停用同名插件再试。

■ 来源与版权
   PyPI 官方分发（MNE 生态）
   开源/免费发布，仅作学习研究用途；本教程由本店整理，请勿转载。

【MNE 实时采集框架（mne-lsl）安装教程】—— MNE-Python

■ 前置条件
   · 已安装 Python 3.9~3.12（推荐用 conda 或 venv 独立环境）。

■ 本组件是什么
   与 MNE-Python 集成的实时框架，通过 LSL 协议连接兼容设备，支持在线脑科学实验中的实时数据流与闭环研究。

■ 文件说明
   · 本目录共 1 个文件：Python 包（.whl）。
   · .whl 是 Python 安装包；.zip/.tar.gz 源码包解压后可 pip install。

■ 安装步骤（离线）
   1. 打开命令行（cmd / PowerShell / conda 终端）。
   2. 激活你的 Python 环境，例如：conda activate mne
   3. 执行安装：
      · whl： pip install "本目录 whl 的完整路径"
      · 源码： 解压后进入该目录执行 pip install .
   4. 验证：python -c "import mne; print(mne.__version__)"
   5. 若依赖缺失，按报错提示 pip install 对应库（一般 mne 主包会自带依赖）。

■ 常见问题
   · 安装很慢：可加国内镜像参数 -i https://pypi.tuna.tsinghua.edu.cn/simple

■ 验证是否装好
   · 重启软件后在插件/扩展列表里能看到「MNE 实时采集框架」，即为成功。
   · 若列表里没有，先看软件的日志（一般在 帮助 → 显示日志）里有没有该插件的报错。

■ 常见问题
   · 提示版本不兼容：本店提供的插件版本与软件版本有对应关系，升级软件后如报错请把软件版本发客服换包。
   · 装完没反应：确认放对了目录、且改名后没有多余的后缀（如 .txt）。
   · 与已有插件冲突：先在插件列表里停用同名插件再试。

■ 来源与版权
   PyPI 官方分发（MNE 生态）
   开源/免费发布，仅作学习研究用途；本教程由本店整理，请勿转载。

【MNE 实时数据分析（mne-realtime）安装教程】—— MNE-Python

■ 前置条件
   · 已安装 Python 3.9~3.12（推荐用 conda 或 venv 独立环境）。

■ 本组件是什么
   MNE 的实时数据分析模块，支持在线数据获取、实时预处理与解码，可用于脑机接口与神经反馈等实验范式。

■ 文件说明
   · 本目录共 1 个文件：Python 包（.whl）。
   · .whl 是 Python 安装包；.zip/.tar.gz 源码包解压后可 pip install。

■ 安装步骤（离线）
   1. 打开命令行（cmd / PowerShell / conda 终端）。
   2. 激活你的 Python 环境，例如：conda activate mne
   3. 执行安装：
      · whl： pip install "本目录 whl 的完整路径"
      · 源码： 解压后进入该目录执行 pip install .
   4. 验证：python -c "import mne; print(mne.__version__)"
   5. 若依赖缺失，按报错提示 pip install 对应库（一般 mne 主包会自带依赖）。

■ 常见问题
   · 安装很慢：可加国内镜像参数 -i https://pypi.tuna.tsinghua.edu.cn/simple

■ 验证是否装好
   · 重启软件后在插件/扩展列表里能看到「MNE 实时数据分析」，即为成功。
   · 若列表里没有，先看软件的日志（一般在 帮助 → 显示日志）里有没有该插件的报错。

■ 常见问题
   · 提示版本不兼容：本店提供的插件版本与软件版本有对应关系，升级软件后如报错请把软件版本发客服换包。
   · 装完没反应：确认放对了目录、且改名后没有多余的后缀（如 .txt）。
   · 与已有插件冲突：先在插件列表里停用同名插件再试。

■ 来源与版权
   https://github.com/mne-tools/mne-realtime
   开源/免费发布，仅作学习研究用途；本教程由本店整理，请勿转载。

【MNE KIT 脑磁配准界面（mne-kit-gui）安装教程】—— MNE-Python

■ 前置条件
   · 已安装 Python 3.9~3.12（推荐用 conda 或 venv 独立环境）。

■ 本组件是什么
   针对 KIT 系统脑磁数据的图形化配准模块，辅助完成头部与传感器坐标对齐，便于后续溯源分析与协配准处理。

■ 文件说明
   · 本目录共 1 个文件：Python 包（.whl）。
   · .whl 是 Python 安装包；.zip/.tar.gz 源码包解压后可 pip install。

■ 安装步骤（离线）
   1. 打开命令行（cmd / PowerShell / conda 终端）。
   2. 激活你的 Python 环境，例如：conda activate mne
   3. 执行安装：
      · whl： pip install "本目录 whl 的完整路径"
      · 源码： 解压后进入该目录执行 pip install .
   4. 验证：python -c "import mne; print(mne.__version__)"
   5. 若依赖缺失，按报错提示 pip install 对应库（一般 mne 主包会自带依赖）。

■ 常见问题
   · 安装很慢：可加国内镜像参数 -i https://pypi.tuna.tsinghua.edu.cn/simple

■ 验证是否装好
   · 重启软件后在插件/扩展列表里能看到「MNE KIT 脑磁配准界面」，即为成功。
   · 若列表里没有，先看软件的日志（一般在 帮助 → 显示日志）里有没有该插件的报错。

■ 常见问题
   · 提示版本不兼容：本店提供的插件版本与软件版本有对应关系，升级软件后如报错请把软件版本发客服换包。
   · 装完没反应：确认放对了目录、且改名后没有多余的后缀（如 .txt）。
   · 与已有插件冲突：先在插件列表里停用同名插件再试。

■ 来源与版权
   PyPI 官方分发（MNE 生态）
   开源/免费发布，仅作学习研究用途；本教程由本店整理，请勿转载。

【MNE 神经电生理分析库（mne）安装教程】—— MNE-Python

■ 前置条件
   · 已安装 Python 3.9~3.12（推荐用 conda 或 venv 独立环境）。

■ 本组件是什么
   开源 Python 神经电生理分析库，支持脑电、脑磁数据的读写、预处理、可视化、溯源与时频分析，是 MNE 生态核心。

■ 文件说明
   · 本目录共 1 个文件：Python 包（.whl）。
   · .whl 是 Python 安装包；.zip/.tar.gz 源码包解压后可 pip install。

■ 安装步骤（离线）
   1. 打开命令行（cmd / PowerShell / conda 终端）。
   2. 激活你的 Python 环境，例如：conda activate mne
   3. 执行安装：
      · whl： pip install "本目录 whl 的完整路径"
      · 源码： 解压后进入该目录执行 pip install .
   4. 验证：python -c "import mne; print(mne.__version__)"
   5. 若依赖缺失，按报错提示 pip install 对应库（一般 mne 主包会自带依赖）。

■ 常见问题
   · 安装很慢：可加国内镜像参数 -i https://pypi.tuna.tsinghua.edu.cn/simple

■ 验证是否装好
   · 重启软件后在插件/扩展列表里能看到「MNE 神经电生理分析库」，即为成功。
   · 若列表里没有，先看软件的日志（一般在 帮助 → 显示日志）里有没有该插件的报错。

■ 常见问题
   · 提示版本不兼容：本店提供的插件版本与软件版本有对应关系，升级软件后如报错请把软件版本发客服换包。
   · 装完没反应：确认放对了目录、且改名后没有多余的后缀（如 .txt）。
   · 与已有插件冲突：先在插件列表里停用同名插件再试。

■ 来源与版权
   PyPI 官方分发（MNE 生态）
   开源/免费发布，仅作学习研究用途；本教程由本店整理，请勿转载。

【MNE 流水线图形界面（mne-pipeline-hd）安装教程】—— MNE-Python

■ 前置条件
   · 已安装 Python 3.9~3.12（推荐用 conda 或 venv 独立环境）。

■ 本组件是什么
   由海德堡 MEG 实验室开发的图形化处理流水线，将 MNE-Python 常用分析步骤可视化编排，降低批量数据处理门槛。

■ 文件说明
   · 本目录共 1 个文件：Python 包（.whl）。
   · .whl 是 Python 安装包；.zip/.tar.gz 源码包解压后可 pip install。

■ 安装步骤（离线）
   1. 打开命令行（cmd / PowerShell / conda 终端）。
   2. 激活你的 Python 环境，例如：conda activate mne
   3. 执行安装：
      · whl： pip install "本目录 whl 的完整路径"
      · 源码： 解压后进入该目录执行 pip install .
   4. 验证：python -c "import mne; print(mne.__version__)"
   5. 若依赖缺失，按报错提示 pip install 对应库（一般 mne 主包会自带依赖）。

■ 常见问题
   · 安装很慢：可加国内镜像参数 -i https://pypi.tuna.tsinghua.edu.cn/simple

■ 验证是否装好
   · 重启软件后在插件/扩展列表里能看到「MNE 流水线图形界面」，即为成功。
   · 若列表里没有，先看软件的日志（一般在 帮助 → 显示日志）里有没有该插件的报错。

■ 常见问题
   · 提示版本不兼容：本店提供的插件版本与软件版本有对应关系，升级软件后如报错请把软件版本发客服换包。
   · 装完没反应：确认放对了目录、且改名后没有多余的后缀（如 .txt）。
   · 与已有插件冲突：先在插件列表里停用同名插件再试。

■ 来源与版权
   PyPI 官方分发（MNE 生态）
   开源/免费发布，仅作学习研究用途；本教程由本店整理，请勿转载。

【MNE 图形化分析界面（mne-vision）安装教程】—— MNE-Python

■ 前置条件
   · 已安装 Python 3.9~3.12（推荐用 conda 或 venv 独立环境）。

■ 本组件是什么
   为 MNE 提供的一体化图形界面，可在窗口内完成数据导入、预处理、可视化与基础分析，适合不熟悉编程的用户。

■ 文件说明
   · 本目录共 1 个文件：Python 包（.whl）。
   · .whl 是 Python 安装包；.zip/.tar.gz 源码包解压后可 pip install。

■ 安装步骤（离线）
   1. 打开命令行（cmd / PowerShell / conda 终端）。
   2. 激活你的 Python 环境，例如：conda activate mne
   3. 执行安装：
      · whl： pip install "本目录 whl 的完整路径"
      · 源码： 解压后进入该目录执行 pip install .
   4. 验证：python -c "import mne; print(mne.__version__)"
   5. 若依赖缺失，按报错提示 pip install 对应库（一般 mne 主包会自带依赖）。

■ 常见问题
   · 安装很慢：可加国内镜像参数 -i https://pypi.tuna.tsinghua.edu.cn/simple

■ 验证是否装好
   · 重启软件后在插件/扩展列表里能看到「MNE 图形化分析界面」，即为成功。
   · 若列表里没有，先看软件的日志（一般在 帮助 → 显示日志）里有没有该插件的报错。

■ 常见问题
   · 提示版本不兼容：本店提供的插件版本与软件版本有对应关系，升级软件后如报错请把软件版本发客服换包。
   · 装完没反应：确认放对了目录、且改名后没有多余的后缀（如 .txt）。
   · 与已有插件冲突：先在插件列表里停用同名插件再试。

■ 来源与版权
   https://github.com/alemahie/MNE_Vision
   开源/免费发布，仅作学习研究用途；本教程由本店整理，请勿转载。