¿Cuáles son algunas buenas referencias para el procesamiento previo y el análisis de la respuesta P300 de los datos de EEG en Python?

Acabo de empezar a trabajar en problemas de neurociencia por mi cuenta. Traté de analizar la respuesta del P300 a partir de los datos del EEG porque estaba tratando de comprender un desafío de Kaggle.com que lo usaba. Encontré algunos conjuntos de datos disponibles en línea, algunos de los cuales eran de competencias BCI, pero no he podido separar con éxito las señales con la respuesta P300 de aquellas sin la respuesta. Hasta ahora, resté el promedio de un canal del canal y ejecuté un filtro de paso de banda en los datos. Esto parece producir datos atractivos, pero buscar el potencial relacionado con eventos (ERP) asociado conduce a resultados inclusivos.

Parece que los datos de la competencia BCI pueden no ser fáciles de analizar, pero es la respuesta P300 más documentada con datos disponibles que puedo encontrar. Dicho esto, algunas de las técnicas utilizadas implican funciones matemáticas como el análisis de componentes principales (PCA), el análisis discriminante lineal (LDA) y los pesos T para encontrar la señal, clasificarla y analizarla. Soy consciente de las referencias disponibles para estas técnicas matemáticas, pero no en el contexto de la neurociencia.

Además, soy consciente de que existen algunas cajas de herramientas de análisis de EEG para Python, pero para mí es más importante comprender los datos que alimentarlos a través de una caja negra. Además, he encontrado estas cajas de herramientas bastante indocumentadas.