《Clinical Neurophysiology Practice》：An open-source JavaScript clinical neurophysiology library for education and clinical research
编辑推荐：
本文推荐一款开源JavaScript库Epicurrents，其针对临床神经生理学教育及科研中传统桌面软件安装复杂、数据安全性低等问题，开发了基于浏览器的模块化信号处理平台。该研究支持EDF/DICOM等开放标准，集成Python/ONNX实现科学计算，通过异步内存管理优化性能，已被欧洲神经病学学院用于EEG教学。其零足迹、跨平台特性为神经生理学协同研究提供新范式。
在临床神经生理学领域，医生和研究人员长期依赖功能单一且更新滞后的桌面软件进行脑电图（EEG）、肌电图（EMG）等信号分析。这类软件不仅安装繁琐，还存在数据安全隐患，尤其在医院严格的信息安全管控下难以部署。更棘手的是，不同设备厂商采用各自封闭的数据格式，导致数据共享和协作研究举步维艰。面对日益增长的远程教育和多中心科研需求，亟需一种既能保障数据安全，又可实现跨平台使用的解决方案。
正是在此背景下，芬兰北卡累利阿中心医院临床神经生理学部门的Sampsa Lohi团队开发出Epicurrents——一款基于JavaScript的开源临床神经生理学库。这项发表于《Clinical Neurophysiology Practice》的研究，首次实现了在浏览器中直接处理与展示神经生理信号数据，通过模块化架构支持EEG、EMG、神经传导研究（NCS）等多种模态。该库不仅支持欧洲数据格式（EDF）和数字影像通信医学（DICOM）等开放标准，还创新性地集成Python科学计算生态和开放神经网络交换（ONNX）格式，使机器学习模型部署成为可能。尤为重要的是，其渐进式网络应用（PWA）特性让用户无需安装即可在线/离线使用，真正实现了"零足迹"应用。
关键技术方法包括：采用模块化架构分离研究模块、文件读取器与服务模块；通过Web Workers异步处理与SharedArrayBuffer共享内存技术突破JavaScript内存限制；基于WebDAV协议实现远程数据与标注管理；利用WebGL加速多通道信号渲染；集成Fast Fourier Transform（FFT）算法及Python/ONNX服务支持高级信号分析。
研究结果验证了其实际应用价值：
教育应用方面，Epicurrents已成为欧洲神经病学学院（EAN）2024-2025年会的实践教学平台，成功实现跨设备EEG案例交互式学习。
科研应用上，团队通过Docker容器集成Nextcloud云平台与JupyterHub，构建出完整的信号标注-机器学习训练流水线。以赫尔辛基大学医院新生儿EEG癫痫检测模型为例，演示了ONNX模型在浏览器中的端到端部署。
技术性能测试表明，虽然JavaScript内存管理对大型录音处理存在限制（EDF文件内存转换系数为2-3MB/MB），但通过异步架构优化，可流畅处理常规教育科研场景数据。
讨论部分强调，Epicurrents作为首个模块化JavaScript神经生理学库，其开源特性（Apache 2.0许可）推动透明化社区开发。相比商业软件，它不仅消除使用成本壁垒，更通过支持开放标准促进数据互通。尽管当前版本未获得临床诊断认证，但其在教育演示、科研标注、算法验证等非临床场景展现巨大潜力。特别是针对EMG/NCS等商业关注度较低的模态，该平台为分布式标注协作提供可能，有望降低机器学习数据准备成本。
未来发展方向包括扩展多模态数据支持（如视频EEG、磁脑图MEG），推动DICOM标准在神经生理领域的普及，以及利用云原生技术构建大规模注释生态系统。随着Web技术持续演进，这类基于浏览器的专业工具或将成为医学教育科研基础设施的重要组成部分，为人工智能时代神经生理学研究民主化开辟新路径。
