Brainstorm是一个致力于脑磁图（MEG）和脑电图（EEG）数据可视化和处理的协作开源应用程序，重点是皮层源估计技术及其与解剖磁共振成像（MRI）数据的集成。该软件的主要目标是通过简单直观的图形用户界面（GUI）将MEG/EEG神经科学研究人员与最成熟和最前沿的方法联系起来。
1.简介
尽管MEG和EEG仪器在神经科学研究中心和医院越来越常见，但与其他功能性脑成像设备相比，研究软件的可用性和标准化仍然有限。MEG/EEG源成像提出了一系列具体的技术挑战，直到最近，这些挑战阻碍了学术软件的开发和用户的接受（例如，数据的多维性、头部组织和几何建模的多种方法以及源建模的模糊性）。理想情况下，MEG/EEG成像是多模态的：MEG和EEG记录需要注册到源空间，源空间可以从结构MRI数据中获得，这增加了分析的复杂性。此外，还没有被广泛接受的标准MEG/EEG数据格式，这限制了数据的分发和共享，并给学术软件开发人员带来了重大技术障碍。
MEG/EEG数据分析和源成像具有多种可能的方法，这些方法利用了广泛的信号处理技术。例如，将基本神经元电流源映射到头皮电位和外部磁场的正向头部建模取决于头部组织的形状和电导率，可以使用多种方法进行，包括简单的球形头部模型[1]到重叠的球体[2]和边界或有限元方法[三]。反向源建模解决了产生MEG/EEG记录的皮层源问题，已通过多种方法进行了探讨，包括偶极拟合[4]使用贝叶斯推断进行分布式源成像[5–7]。这种模型和方法的多样性反映了电生理成像的不适定性，这需要限制性模型或正则化程序来确保稳定的逆解。
用户对MEG和EEG数据的分析和可视化需求因应用而异。在临床环境中，原始记录通常用于识别和表征异常的大脑活动，例如癫痫患者的癫痫发作事件[8]。或者，将数据排序为试验并平均诱发反应[9]仍然是揭示事件相关皮层活动的典型方法。时间-频率分解[10]深入了解诱发反应，并将MEG/EEG时间序列在传感器和源水平的分析扩展到空间、时间和光谱维度。其中许多技术都会带来计算和存储方面的挑战。最近，人们提出了越来越多的方法来检测大脑区域之间的功能性和有效连通性：连贯性[11]，锁相值[12]，格兰杰因果关系[13，14]及其多元扩展[15]，和典型相关[16]除其他外。最后，测量的低空间分辨率和非各向同性协方差结构需要足够的方法进行统计分析[17].
尽管用户需求和方法论方法具有如此巨大的多样性和复杂性，但综合软件解决方案将有利于成像社区，并为一些最常见的分析路径提供逐步自动化、标准化和再现性。头脑风暴项目是10多年前由洛杉矶南加州大学、巴黎萨尔佩特里医院和新墨西哥州洛斯阿拉莫斯国家实验室合作发起的。该项目得到了美国国立卫生研究院（NIH）和法国国家科学研究中心（CNRS）的支持。其目标是使非技术用户能够使用广泛的电磁源成像和可视化技术，重点是用户在分析的多个阶段与其数据的交互。该软件的第一个版本于2000年发布[18]2004年，Brainstorm 2增加了一个完整的图形用户界面（GUI）[19]。如本文所述，随着用户数量的增长，界面被彻底重新设计和改进。为了响应用户的高需求，Brainstorm中集成了许多其他工具，涵盖了MEG/EEG记录的整个处理和可视化管道，从数据文件的导入，从大量格式的选择，到源成像图的统计分析。头脑风暴3于2009年6月提供下载，并在旧金山举行的第15届人类大脑绘图会议上进行了专题介绍。该软件目前正在定期进行改进和更新。自2009年6月以来，已有约950名新注册用户，自项目开始以来共有4000人。
头脑风暴是免费的、开源的。将Brainstorm作为主要分析软件工具的一些近期出版物列于[20–26]。本文描述了Brainstorm项目和该软件的主要功能，它与其他项目的联系，以及计划在未来两年内进行的一些未来开发。本文仅描述了软件；这里没有介绍方法学背景材料，但可以在多篇评论文章和书籍中找到，例如[1，27，28].
2.软件概述
Brainstorm是一种开源软件，几乎完全用Matlab脚本编写，并根据通用公共许可证（GPL）条款进行分发。它的接口是用嵌入在Matlab脚本中的Java/Swing编写的，利用了Matlab作为Java控制台的功能。Matlab和Java的使用使Brainstorm成为一个完全可移植的跨平台应用程序。
脚本语言在研究环境中的优点是易于维护、修改、交换和重用函数和库。虽然Python可能是一个更好的选择，因为它具有非商业性的开放源码许可证，但Brainstorm是基于大量预先存在的Matlab代码行构建的，作为其数据分析的方法论基础。Matlab开发环境也是一种高性能原型工具。对于没有Matlab许可证的用户来说，一个重要的功能是，使用Matlab编译器生成的Brainstorm的独立版本也可用于Windows和Linux操作系统下载。
所有软件功能都可以通过GUI访问，无需与Matlab环境直接交互；因此，头脑风暴可以在没有Matlab或编程经验的情况下使用。对于更高级的用户，还可以从Matlab脚本运行所有进程和显示，并且可以从Matlab命令窗口轻松访问Brainstorm操作的所有数据结构。
开发人员可以在SVN服务器上访问源代码，所有相关的Brainstorm文件每天都被压缩成一个zip文件，可从网站上公开获取，以便于最终用户下载和更新。头脑风暴还具有一个自动更新系统，该系统在每次启动时都会检查软件是否需要更新，以及是否需要下载新版本。
用户文档主要组织在详细的在线教程中，其中包含大量屏幕截图，指导用户逐步了解所有软件功能。整个网站基于MoinMoin维基系统[29]; 因此，用户社区能够编辑在线文档。用户可以通过VBulletin论坛报告错误或提出问题[30]，也可从主网站访问。
3.集成接口
头脑风暴由其接口驱动：它不是一个函数库，在函数库之上添加了GUI以简化访问，而是一个围绕一个独特接口构建的通用环境，其中实现了特定的功能（图1). 从用户的角度来看，它的组织是上下文的，而不是线性的：软件的多种功能没有列在长菜单中；它们仅在需要时才可访问，通常在上下文弹出菜单或特定界面窗口中建议使用。此结构提供了对所请求功能的更快、更容易的访问。
数据文件以Matlab.mat格式保存，并组织在一个结构化数据库中，该数据库具有三个级别的分类：协议、主题和实验条件。无论硬盘上的实际文件组织如何，用户数据始终可以从数据库资源管理器直接访问。这确保了立即访问所有协议信息，并允许同时显示和比较来自多个运行、条件或主题的记录或源。
头脑风暴需要三类输入才能进行脑磁图/脑电信号源分析：受试者的解剖结构、脑磁图/脑电记录和传感器的3D位置。解剖输入通常是完整头部的T1加权MRI，加上至少两个代表大脑皮层和头皮的镶嵌表面。支持的MRI格式包括Analyze、NIfTI、CTF、Neuromag、BrainVISA和MGH。Brainstorm不会从MRI中提取皮层和头部表面，而是从外部程序中导入表面。支持三种流行且免费的表面格式：BrainSuite[31]、BrainVISA[32]和FreeSurfer[33].
支持三大MEG制造商的本地文件格式：Elekta-Neuromag、CTF和BTi/4D-Neuroimaging。也支持巴黎拉萨尔佩特里医院（LENA）开发的通用文件格式。支持的EEG格式包括：神经扫描（cnt，EEG，avg），EGI（raw），BrainVision BrainAmp，EEGLab和Cartool。用户还可以使用通用ASCII文本文件导入数据。
MEG文件中始终包含传感器位置；然而，大多数EEG文件格式并非如此。电极位置需要单独导入。支持的电极定义文件包括：BESA、Polhemus Isotrak、Curry、EETrak、EGI、EMSE、Neuroscan、EEGLab、Cartool和通用ASCII文本文件。
头脑风暴尚不支持的其他格式将很快提供。我们的策略是将Brainstorm用于外部文件格式输入和输出的功能与文件FieldTrip工具箱中的模块[34]。这个独立的库也是用Matlab代码编写的，它包含读取和写入MEG/EEG社区中使用的大多数文件格式的例程，并且已经得到多个开源软件包（EEGLab、SPM和FieldTrip）的开发人员的支持。
5.数据预处理
Brainstorm为MEG/EEG数据提供了广泛的预处理管道：视觉或自动检测不良试验和不良通道、事件标记和定义、基线校正、频率滤波、数据重采样、平均和噪声统计估计。其他预处理操作可以用其他程序轻松执行（EEGLab[35]、FieldTrip或MNE[36])然后将结果导入Brainstorm，如上所述。
使用最流行的降噪和自动伪影检测技术扩展预处理操作是我们未来几年发展的重点之一。
6.传感器数据可视化
Brainstorm为MEG/EEG记录的显示和交互提供了丰富的界面（图2)包括时间序列（a）-（c）的各种显示，2D或3D表面（d）-（e）的地形映射，在连续时间点（f）生成动画和相同视点的一系列快照，通道和时间段的选择，以及传感器簇的操作。
这些可视化工具可以用于完全复制到Brainstorm数据库并以Matlab.mat文件格式保存的录制片段，也可以用于通常较大的正在进行的录制，这些录制直接从原始文件读取，并以本地文件格式存储。审查原始记录的界面（图三)还以快速直观的方式进行事件标记，并同时显示相应的源模型（见下文）。
7.MRI解剖表面和体积的可视化
可以对单个受试者的解剖结构进行分析（这需要导入如上所述的MRI和表面），也可以使用Brainstorm的默认解剖结构（包括在Brainstorm's分布中），该解剖结构源自MNI/Colin27大脑[37]。曲面可视化有许多选项可用，包括细分曲面的透明度、平滑和下采样。图4显示了可视化MRI体积和表面的一些可能选项。
8.MEG/EEG与MRI的登记
Brainstorm中的分析涉及多个来源的数据集成：MEG和/或EEG记录、结构MRI扫描以及皮层和头皮表面镶嵌。它们在同一坐标系中的几何配准对源成像的精度至关重要。Brainstorm在主题坐标系（SCS）中对齐所有数据，该坐标系的定义基于三个基准标记：鼻根、左耳前和右耳前点：有关SCS定义的更多详细信息，请访问Brainstorm的网站。
MRI表面
将MRI数据体与头部组织的表面镶嵌对齐是简单且自动的，因为两者通常来自相同的数据量。然而，Brainstorm提供了几个选项，可以手动将表面镶嵌与MRI对齐，并对这一关键步骤进行质量控制，包括定义头皮表面上的参考点（图5（a） ）和3D MRI中一个表面正确对齐的目视验证（图5（b） ，5（c） ）。
MRI与MEG/EEG的配准
基准参考点需要首先在MRI体积中定义（见上文和图4)然后与采集期间在MEG/EEG的坐标系中测量的相同参考点的坐标配对匹配。仅基于三个点的对齐相对不准确，当使用3D数字化设备在MEG/EEG会话期间获取额外头皮点的位置时，可以通过自动细化程序进行补充。Brainstorm允许用户自动运行基于迭代最近点算法的额外对齐。
在EEG中，不收集个体解剖数据（MRI体积数据或个体电极位置）就进行研究是很常见的。Brainstorm有一个工具，允许用户定义和编辑单个或通用头部表面的EEG电极位置（图6). 该工具可用于手动调整软件中可用的标准EEG蒙太奇之一，包括那些已经为MNI/Colin27模板解剖定义的蒙太奇。
模板解剖的体积和表面翘曲
当个体MRI数据不适用于受试者时，可以扭曲MNI/Colin27模板，以适应受试者个体解剖数字化的一组头部点。这基于头皮形态创建了个人解剖的近似值，如图所示7。技术细节见[38]。这对于脑电研究尤其有用，因为在脑电研究中，没有获取MRI扫描，并且头皮点的位置是可用的。
9.正向建模
正向建模是指神经电流与MEG/EEG传感器测量值之间的对应关系。这一步取决于封头的形状和导电性，可以使用多种方法进行计算，包括简单的球形封头模型[1]到重叠的球体[2]和边界或有限元方法[39].
在过去的十年中，多种正向建模方法已经在Brainstorm中原型化、实现和测试。当今软件中的功能提供了健壮性（对任何特定情况的适应性）和准确性（结果的精确度）之间的最佳折衷。将来还会添加其他技术。目前的模型包括MEG的单球和重叠球方法[2]和Berg的脑电三层球体模型[40]。对于单球体方法，一个交互式界面有助于用户在自动评估后细化最适合受试者头部的球体参数（图8).
EEG对头部作为体积导体的几何近似更为敏感，因此边界元方法（BEM）可以提高模型精度。通过OpenMEG项目的贡献，MEG和EEG的BEM方法很快将添加到Brainstorm中[41]由法国国家计算机科学与控制研究所（INRIA）开发。
10.逆向建模
反向建模解决了产生特定MEG或EEG记录集的皮层来源。在头脑风暴中，估计震源活动的主要方法改编自皮层电流密度的深度加权最小L2范数估计[42]，随后可以使用噪声统计（dSPM）对其进行归一化[43])或数据协方差（sLORETA[44])，根据实验记录估计。为了一致性和促进标准化，这些估算器的实现与MNE软件中可用的估算器类似[36]。Brainstorm中提供了两个额外的逆模型：线性约束最小方差（LCMV）波束形成器[45]和MUSIC信号分类技术[4，46]。我们还计划添加最小二乘多重偶极拟合[4]在不久的将来进行头脑风暴。
这些反演方法的支持区域可以是整个头部体积，也可以限制在皮层表面，对震源方向有或没有限制。在后一种情况下，基本偶极子源分布在皮层表面表面网格的节点上。基本偶极子的方向可以不受约束，也可以正常地约束到皮层表面。在所有情况下，用于源估计的建议偶极子数量约为15000个（可以在Brainstorm中对原始曲面网格进行抽取）。
Brainstorm可以管理给定数据集中可用的各种类型的传感器（EEG、MEG梯度仪和MEG磁强计）。当在联合源模型中同时处理多个传感器类型时，使用经验噪声协方差矩阵估计全局重建中每个传感器的权重。噪声协方差统计数据通常从空置房间记录中获得，该记录捕获了典型的仪器和环境波动。
11.源可视化和分析
Brainstorm提供了一系列工具来显示、可视化和探索估计源地图的时空特征（图9)在皮质表面（a）和全头容积（b）。在皮层表面上估计的源可以重新投影，并以MRI数据的原始体积（c）和更高或更低分辨率显示在皮层的另一个网格上。在执行组分析之前，可以在空间或时间上平滑重建的当前值。
专用界面允许用户定义和分析特定感兴趣区域的时间进程，命名为侦察兵在头脑风暴中（图10). 头脑风暴分布包括默认解剖的两个预定义分段（MNI Colin27[37])根据Tzourio-Mazoyer等人的解剖地图集[47].
所有可视化窗口中可用的丰富上下文弹出菜单建议预定义视图选择，以创建各种各样的绘图。生成的视图可以保存为图像、电影或联系人表（图9). 注意，也可以从Elekta Neuromag进口使用美国食品药品监督管理局批准的软件Xfit估计的偶极子（图11).
12.传感器和源信号的时频分析
Brainstorm具有专用用户界面，用于使用Morlet小波对MEG/EEG传感器和源时间序列进行时频分解[10]。由Morlet小波的高斯核加权的复值正弦波形的形状缩放版本可以有效捕获振荡大脑活动的突发。因此，它们是电生理数据时频分解的最常用工具之一[26，48]。分解的时间和光谱分辨率可以由用户根据实验和要执行的数据分析的具体要求进行调整。
时间频率分解往往会显著增加数据量，因为它是在空间、时间和频率维度上分解的。头脑风暴有效地设计用于存储转换后的数据或动态计算数据。
数据可以作为瞬时测量值进行分析，也可以分为感兴趣的时间和光谱带，如α（8–12 赫兹）[26，49]，θ（5–7 赫兹）[50–53]等等。尽管这会降低分解的分辨率，但它可以从多个方面为分析带来好处：减少数据存储需求，提高信噪比，通过减少测试的并发假设数量更好地控制多重比较问题。
图12说明了可用于探索时频分解的一些显示：来自一个传感器（a）-（b）、一个源（c）和一个或多个侦察机（d）的时间序列的时频图，一个频带（e）的传感器功率的时间进程，2D/3D映射（f）和皮层图（g）-（h）一次一个频带的功率。
13.图形批处理界面
主窗口包括图形批处理界面（图13)这直接得益于数据库显示：文件被组织为主题和条件树，简单的拖放操作很容易选择文件进行后续批处理。大多数头脑风暴功能都可以通过此界面使用，包括预处理记录、平均值、估计源、时频分解和计算统计信息。一个完整的分析管道可以在几分钟内创建，保存在用户的首选项中，然后单击鼠标重新加载，直接执行或导出为Matlab脚本。
可用流程以插件结构组织。任何添加到插件文件夹并具有正确格式的Matlab脚本都将被自动检测并在GUI中可用。这种机制使得其他开发人员对头脑风暴的贡献变得非常容易。
14.高级脚本
对于高级用户和可视化目的，Brainstorm可以用作高级脚本环境。所有头脑风暴操作都设计为与图形界面和数据库交互；因此，它们有非常简单的输入：鼠标单击和键盘按下。因此，可以通过Matlab脚本操作界面，并且每次鼠标单击都可以转换为一行脚本。与通过图形界面工作类似，所有上下文信息都是从界面和数据库中收集的，因此可以使用有限的参数调用大多数函数，例如，无需跟踪文件名。因此，使用Brainstorm编写脚本既直观又易于使用。图14显示了使用Brainstorm的Matlab脚本示例。
头脑风暴”流程2”选项卡允许比较两个数据样本。这对应于单因素2级分析，支持的测试包括简单差异、配对/不配对学生t吨-等/不等方差检验及其非参数置换方案[17]。这两组可以由任何类型的文件组合而成，例如，一个受试者内的两个条件、跨受试者的两个条件或相同条件下的两个受试者，等等。这些操作在Brainstorm中是通用的，可以应用于数据库中的任何类型的数据：MEG/EEG记录、源图和时频分解。此外，方差分析（ANOVA）测试也支持多达4个因素。图15显示学生的使用t吨-测试以比较16名受试者的“GM”和“GMM”两种情况。
我们在这里专门讨论如何使用头脑风暴进行多主题数据分析。在多学科研究中，测量方差有两个来源：学科内方差和学科间方差。同时使用每个受试者的所有试验进行比较是固定效应分析[54]并且没有考虑多个方差来源。随机效应分析[54，55]Brainstorm以其最简单和最常用的汇总统计方法形式提供了适当考虑所有方差来源的[56，57]。基于这种方法，分析分为两个层次。在第一级，每个受试者的试验被用来分别计算每个受试对象的兴趣统计数据，在第二级，不同的受试者被合并成一个总体统计数据。
以研究实验效果为例，将刺激前数据与刺激后数据进行比较。第一级分析对每个受试者的所有试验进行平均，得出刺激前和刺激后的反应。二级分析可以成对进行t吨-在结果之间进行测试N个预刺激图与N个刺激后地图，其中N个是受试者的数量。头脑风暴过程和统计数据包括平均试验和配对t吨-测试，使这种分析成为可能。此外，上述程序假设受试者方差相等，但如果情况并非如此，则可以对受试者进行相应加权。
Brainstorm还支持对生成的激活图进行统计阈值划分，这考虑了多假设测试问题。可用的方法包括Bonferroni、错误发现率[58]，它控制被拒绝的假设中假阳性的预期部分，以及家族错误率[59]在无实验效果的零假设下，控制至少一个假阳性的概率。后者通过排列测试和最大统计方法进行控制，详见[17].
为了在源水平上比较多个受试者，如果源最初是在单个受试者解剖图上绘制的，则需要进行中间步骤。对单个大脑的估计来源首先投射到MNI-Colin27大脑的皮层表面。在当前的实施中，表面到表面的注册是使用以下程序逐个半球进行的：（1）沿前连合/后连合轴对齐，（2）空间平滑以仅保留要进行注册的表面的主要特征，（3）使用迭代最近点算法（ICP）匹配MNI曲面的单个曲面变形[60]，以及（4）使用Shepard方法插值震源振幅[61]。图16显示了个体解剖的来源（左），以及MNI大脑的重投影（右）。这种简单的方法最终将被南加州大学开发的皮层表面配准和表面约束体积配准方法所取代，如[62]。我们还将添加功能，以使用FreeSurfer中用于主体间曲面注册的通用坐标系。
16.未来发展
Brainstorm是一个不断开发的项目，当前版本提供了一个环境，在这个环境中，新功能可以很容易地实现并适应界面。用户多次要求提供新功能以及未来开发计划。未来两年即将发生的事态发展包括：
–使用最流行的降噪和自动伪影检测技术扩展预处理操作，
–功能连通性分析和多元统计分析方法的集成[16，63],
–扩展正向和反向计算，以包括边界元和多偶极子拟合方法，
–使用模拟源和真实解剖模拟MEG/EEG记录的接口，
–使用光流模型分割功能性微型状态中的MEG/EEG记录[64].
17.软件开发环境中的头脑风暴
有几种商业解决方案可用于MEG/EEG数据的可视化和处理。大多数是为特定采集系统开发的，通常由这些系统的制造商设计。由于以下几个原因，它们通常不适合进行研究：它们主要受临床环境要求以及FDA和CE认证的驱动；他们的全图形界面很少提供有关底层数据分析的信息，文件格式有时是专有的，没有文档记录；用户无法访问这些算法的源代码和描述，而且成本高昂。研究社区需要完全开放的解决方案，可以直接操作代码、数据和参数。
因此，许多实验室开发了自己的MEG和EEG数据分析工具。然而，由于缺乏兴趣，或者由于支持软件、开发文档以及创建和维护分发网站所需的工作，这些工具通常不被共享。然而，由于大多数研究小组分配给软件开发的人力资源有限，以及所需专业知识的广度，开发单个工具的方法非常有限（电生理学、电磁建模、信号处理、统计、分类、软件优化、实时处理、人机界面工效学等）。
在过去二十年中，开发了许多项目，为广泛的商业解决方案提供开放和免费的替代方案。这些项目中常见的是由世界各地的大型开发人员社区提供支持，这些开发人员可以生成免费且可重用的源代码。为此，自由软件社区为自己配备了促进协作工作的工具，例如版本管理器、论坛、Wiki和讨论列表。这种协作软件开发方法不仅达到了较高的成熟度，而且证明了其效率。最好的例子可能是Linux操作系统，其稳定性与商业生产的操作系统相当或超过商业生产的系统。
在功能性脑映射领域，SPM等开源工具[65]和EEGLab[35]已被世界各地的许多研究实验室广泛采用。提供对源代码的开放访问，并愿意接受其他网站的添加和修改，这显然对临床和神经科学研究的用户以及参与方法开发的其他人都有吸引力。各种公共许可证还允许开发人员选择代码的全部或部分是否保留在公共域中。对于依赖外部资助研究支持的学术和非营利实验室开发的软件来说，最重要的是，最近的经验表明，开放源代码分发受到研究人员社区的重视，并且这种分发的信誉归于原始开发人员。
与Brainstorm（MEG/EEG通用软件）功能类似的免费软件包包括EEGLab、FieldTrip和MNE。前两个是在Matlab环境下编写的，使用非堆叠的脚本，并由与活动论坛和传播列表连接的大型用户社区支持。EEGLab提供了一个简单但功能强大的界面，其目标应用程序面向录音的预处理和ICA分析。FieldTrip是一个丰富而强大的工具箱，提供了最广泛的功能，但没有图形界面；它的使用需要Matlab编程方面的良好技能。MNE还被组织为一组独立的函数，易于编写脚本，主要面向使用最小范数技术的录音预处理和源估计，但用C++编写，并为Linux和MacOSX平台编译。
相反，头脑风暴是一个集成的应用程序，而不是工具箱。目前，它提供的功能比FieldTrip少；但另一方面，它的直观界面、强大的可视化工具和数据库结构允许用户在更高的级别上工作。只需几分钟，只需点击几下鼠标，就可以完成其他任务：无需编写任何脚本，也无需考虑数据文件存储在硬盘上的位置；数据可以直接访问，只需单击鼠标即可打开各种显示窗口。它使研究人员能够集中精力研究他或她的数据。当视觉探索完成并且需要执行组分析时，Brainstorm提供了一个基于界面和数据库的非常高级的脚本系统。生成的代码很容易理解，并且参数很少：所有上下文信息都是在需要时从数据库中自动收集的，与FieldTrip不同，例如，在FieldTrip中，这些信息必须以参数的形式具体传递给每个函数。
综上所述，脑力激荡法现在代表了使用MEG或EEG的研究人员潜在的高效选择；然而，这是一项正在进行的工作，一些关键功能仍然缺失。本着其他开源开发的精神，我们将尽可能重用其他小组开发的功能，然后共同维护这些功能。同样，欢迎其他开发人员在其软件中使用Brainstorm中的代码。
确认
该软件主要由美国国立卫生研究院（National Institutes of Health）在拨款编号R01-EB002010、R01-EB009048和R01-EB000473的支持下生成。主要支持还包括法国国家科学研究中心（CNRS，法国）对认知神经科学和脑成像实验室（法国巴黎拉萨尔佩特里埃医院和皮埃尔·居里和玛丽·居里大学）的永久现场支持。法国国家研究机构（ANR）向认知神经科学部（Inserm/CEA，Neurospin，France）和ViMAGINE项目（ANR-08-BLAN-0250）以及克利夫兰临床神经研究所癫痫中心提供了两项额外的资助。作者感谢所有为特定头脑风暴功能的概念、开发或验证做出贡献的人。按字母顺序排列：查尔斯·艾萨尼（Charles Aissani）、赛义德·阿什拉弗拉（Syed Ashrafulla）、伊丽莎白·博克（Elizabeth Bock）、露西·查尔斯（Lucie Charles）、费利克斯·达瓦斯（Felix Darvas）、吉斯莱恩·兰贝茨（Ghislaine Dehaene-Lambertz）、克洛德·德尔普奇（Claude Delpuech）、贝尔马·多达斯（Belma Dogdas）、安托万·杜科尔斯（Antoine Ducorps）、纪尧姆·杜马斯（Guillaume Dumas）、约翰·埃默（John Ermer）、列·加内，Rey Ramirez、Denis Schwartz、Darren Weber和Lydia Yahia-Cherif。该软件、大量文档、教程数据、用户论坛和参考出版物可在http://neuroimage.usc.edu/头脑风暴.
