以人为对象的研究数据，大多不是从一张整齐的表格开始的。它们往往是一段脑电记录、一文件夹访谈录音、一段参与者的摄像头视频，或是一份心跳 CSV。从这里走到结果，通常要经过四个工具和大量胶水代码：脑电用 MNE，语音用 Praat，视频用人脸追踪库，统计再交给 R 或 SPSS。每一次交接，都可能弄丢一个滤波设置或一个文件版本。
Neutropic 直接分析这些信号，而且就在你设计研究、撰写论文的同一个工作区里。测量值来自确定性工具，而不是语言模型猜出来的数字。下面的截图来自每个账户都能打开的示例项目，使用的是已知真值的样本记录。
脑电（EEG）：从原始通道到成分，七个工具
把记录以表格（CSV 或 XLSX）上传。约定很简单：
- 每个数值列就是一个通道，单位 µV。通道按 10–20 系统命名（Fp1、Fz、Cz、Pz、O1 …）时，还会自动给出地形图和不对称指标。
- 有
time_s列时会据此推断采样率。没有的话，请在消息里写明采样率。 - 可选的
marker列标记事件：0 表示无事件，正整数表示条件编码。
数据分析技能随后会串联脑电工具。它只挑问题需要的工具，并在对话里展示每一步：
- eeg_info：报告通道、采样率、事件和工频噪声。
- eeg_preprocess：自动 50/60 Hz 陷波和 1–40 Hz 带通，可选平均重参考。FastICA 去除眨眼，标记坏段，并写出供后续步骤使用的清洗后 CSV。
- eeg_bandpower：各通道 Welch 频段功率、个体 alpha 峰、theta/beta 比和半球不对称。
- eeg_topomap：绘制各频段的头皮分布。
- eeg_erp：分段、基线校正、剔除试次、按条件平均，并给出 N1/P2/N2/P3 的潜伏期与幅值、差异波和 SNR。
- eeg_erders：任务相关功率变化（%），包括 ERD 最小值、ERS 最大值和 C3/C4 偏侧化。
- eeg_ssvep：用 CCA ρ 和 PSD SNR 检测刺激频率，报告每个候选频率的值，而不只是胜出者。
/analyze eeg_oddball_erp_250hz.csv 是听觉 oddball 记录（250 Hz；Fz、Cz、Pz、Oz；marker 1 = 标准，2 = 靶）。请按 marker 分段、按条件平均，报告各通道 N1 和 P3 的潜伏期与幅值，以及靶减标准的差异波，并附图。
如果是静息态记录，同样的请求方式会依次得到预处理、频段功率和地形图。预处理会说明去掉了什么，所以清洗过程可以直接核对：
关于额叶 alpha 不对称：这个值取决于参考方式。代理会在每个不对称值旁注明参考方式，也不会凭一次静息记录去解读人格特质。
音频：转写与语音特征，在本地完成
上传 WAV、MP3、M4A、FLAC、OGG 或 AAC，带语音轨的视频也可以。
- 语音转文字用 faster-whisper 在本地运行，音频不会发送到外部转写服务。返回带时间戳的分段、检测到的语言及其概率、词数和语速。
- 语音与声学特征包括 F0（均值、范围、轮廓）、强度、jitter、shimmer、HNR、共振峰 F1–F3 和 MFCC。
/analyze 请转写 speech_zh.wav 并提取声学特征：音高轮廓、强度、jitter/shimmer/HNR、共振峰和语速，整理成报告。
视频与图像：从人脸读出表情、姿态和心率
上传 MP4、MOV、WebM、AVI、MKV 视频或静态图片。
- 面部表情工具随时间追踪面部动作单元（AU01、AU06、AU12、AU25 …），并给出 EMFACS 情绪标签和头部姿态。
- 姿态工具估计 33 个身体关键点，计算关节角度、姿势和运动。
- rPPG 从面部肤色的细微变化估计心率。它运行三种已发表的算法（POS、CHROM、GREEN），并分别报告 SNR，方法之间不一致时一眼就能看出来。
包括 AU 时间序列和脉搏频谱在内的完整人脸视频流程，请看面向心理生理学实验室的 Neutropic。
生理信号 CSV
ECG、PPG、EDA、呼吸和 RR 间期导出文件也是表格。你可以要求从 ECG 或 PPG 算心率，从 EDA 算 SCR 次数和皮肤电导水平，算呼吸频率，或计算时域和频域 HRV（平均 RR、SDNN、RMSSD、pNN50）。HRV 和 EDA 有专用工具。结果包括图（例如 RR 间期图）和报告，报告会附上与记录长度相关的注意事项。
接下来是统计：带着理由选出的检验
提取特征很少是终点。大多数研究还要比较条件或组别。统计技能的 compare_groups 工具根据设计和数据选择检验，并返回一份决策记录（decision trace）说明选择理由。
- 识别设计：独立还是配对，两组还是多组，或单样本。
- 检查假设：各组 Shapiro–Wilk、Levene，重复测量时检查 Mauchly。
- 按规则选择检验。小样本（n < 50）违反正态性时改用非参数检验。方差不齐时用 Welch。有序结果一律用非参数检验。
- 报告效应量及其置信区间，运行事后检验，并保存描述统计表和箱线/散点图。
可选检验包括 Student 或 Welch t、Mann–Whitney、配对 t、Wilcoxon、单因素或 Welch ANOVA（Tukey 或 Games–Howell）、Kruskal–Wallis、重复测量 ANOVA 和 Friedman。列联表由 chi_square 处理，双因素、混合和 ANCOVA 设计由 anova_design 处理。
/stats 比较 p3_by_participant.csv 中两组在 Pz 的 P3 幅值。请检查假设、选择合适的检验，并说明理由。
如果数据偏态且组很小，决策记录会写明这一点（例如 "normality violated … n_min = 18 → non-parametric"），你得到的是 Mann–Whitney U 和秩二列相关效应量，而不是一个本不该做的 t 检验。更完整的介绍见技能指南：/stats。
每个数字都可追溯
- 每次工具调用都会记录名称和参数。每张图和表都保存着生成它的代码（产出物面板里的 { } 按钮），清洗后的数据另存为新文件，不会覆盖原文件。
- 分析报告依据工具输出撰写，句子带有 [n] 引用，指向每个数字背后的分析步骤或数据文件。
- 从原始信号到清洗、特征、检验和写作，整条路径都留在一个会话里。起草论文时可以直接接着用 /write。详见默认可复现。
坦诚的局限
- EEG 输入是表格。EDF/BDF 或设备专有格式请先转成 CSV。ERP 成分时间窗是固定的（N1 70–150 ms，P3 250–600 ms）。去除眨眼需要前额通道，独立的 EOG 通道暂不使用。地形图只绘制带 10–20 名称的通道。
- rPPG 只用经典方法（POS、CHROM、GREEN）。不含深度学习 rPPG，头部大幅运动或光照变化时 SNR 会下降。
- 动作单元（AU）由面部关键点的 blendshape 近似得到，取值 0–1。它与 OpenFace 强度（0–5）不是同一尺度，AU06 也是近似值。
- 姿态角度是二维投影值。
- 测量值只包括工具返回的值。代理被要求原样引用工具数值，并在工具做不到时明确说出来（未检测到人脸、SNR 过低、语言不确定）。
可以先在示例项目里浏览这些会话，也可以直接附上自己的记录并说明它是什么。支持的格式和选项见数据分析文档。
