OpenDvM: Decoding the Visual Mind — A Unified Toolbox for EEG Attention Research
Dirk van Moorselaar; Sebastiaan Mathot; Stefan van der Stigchel
- Año
- 2026
- DOI
- 10.31234/osf.io/p6swx_v1 (se abre en una pestaña nueva)
- Licencia
- CC BY
Resumen ADIPA
Elaborado con IA a partir del resumen de los autoresOpenDvM es un software de código abierto en Python que proporciona un conjunto integrado de herramientas para el análisis de electroencefalografía (EEG) en investigación sobre atención visual. Desarrollado sobre MNE-Python, unifica cuatro tipos de análisis complementarios: potenciales relacionados con eventos (ERPs), representaciones tiempo-frecuencia, modelos de decodificación hacia atrás (BDM) y modelos de codificación hacia adelante utilizando funciones de sintonización de canal (CTF). El toolbox estandariza la organización de datos, procesamiento en lotes y reportes de control de calidad automatizado, permitiendo análisis reproducibles desde datos crudos hasta estadísticas de nivel grupal. Se demuestra su funcionalidad en un conjunto de datos de EEG público que explora selección atencional basada en características, atención espacial y supresión de distractores, con tutoriales complementarios en notebooks Jupyter.
Puntos clave
- OpenDvM integra análisis univariados y multivariados de EEG bajo un flujo de trabajo consistente inicializar-ejecutar, estandarizando procedimientos desde datos crudos hasta estadísticas grupales.
- Los modelos de decodificación hacia atrás caracterizan cuándo y con qué intensidad las condiciones experimentales se representan en la actividad EEG multivarida.
- Los modelos de codificación hacia adelante con funciones de sintonización de canal reconstruyen la geometría representacional continua y graduada subyacente a la atención espacial.
- El toolbox reduce barreras técnicas para investigadores sin amplio trasfondo de programación mediante una interfaz unificada y tutoriales de Jupyter disponibles.
Para quién: Útil para investigadores en neurociencia cognitiva y psicología experimental que estudian atención visual mediante EEG y requieren análisis integrados univariados y multivariados sin programación avanzada.
Resumen de los autores
Áreas y palabras clave
Cómo citar (APA 7)
van Moorselaar, D., Mathot, S., & van der Stigchel, S. (2026). OpenDvM: Decoding the Visual Mind — A Unified Toolbox for EEG Attention Research. https://doi.org/10.31234/osf.io/p6swx_v1