MNE中文教程(1)-MNE中数据结构Raw及其用法简介 / 开普饭

更多技术，第一时间送达

Raw对象主要用来存储连续型数据，核心数据为n_channels和times,也包含Info对象。

下面可以通过几个案例来说明Raw对象和相关用法。

Raw结构查看：

# 引入python库import mnefrom mne.datasets import sampleimport matplotlib.pyplot as plt# sample的存放地址data_path = sample.data_path()# 该fif文件存放地址fname = data_path + '/MEG/sample/sample_audvis_raw.fif'"""如果上述给定的地址中存在该文件，则直接加载本地文件，如果不存在则在网上下载改数据"""raw = mne.io.read_raw_fif(fname)

通过打印raw：

print(raw)

可以看出核心数据为n_channels和n_times

raw.info

上面为row中info的信息，从中可以看出info记录了raw中有哪些是不良通道(bads),通道名称:ch_names,sfreq:采样频率等。

通常raw的数据访问方式如下：

data, times = raw[picks, time_slice]

picks:是根据条件挑选出来的索引；

time_slice:时间切片

想要获取raw中所有数据，以下两种方式均可：

data,times=raw[:]

data,times=raw[:,:]

"""案例：获取10-20秒内的良好的MEG数据# 根据type来选择那些良好的MEG信号(良好的MEG信号，通过设置exclude="bads") channel,结果为 channels所对应的的索引"""picks = mne.pick_types(raw.info, meg=True, exclude='bads')t_idx = raw.time_as_index([10., 20.])data, times = raw[picks, t_idx[0]:t_idx[1]]plt.plot(times,data.T)plt.title("Sample channels")

"""sfreq：采样频率raw返回所选信道以及时间段内的数据和时间点，分别赋值给data以及times（即raw对象返回的是两个array）"""sfreq=raw.info['sfreq']data,times=raw[:5,int(sfreq*1):int(sfreq*3)]plt.plot(times,data.T)plt.title("Sample channels")

"""绘制各通道的功率谱密度"""raw.plot_psd()plt.show()

"""绘制SSP矢量图"""raw.plot_projs_topomap()plt.show()

"""绘制通道频谱图作为topography"""raw.plot_psd_topo()plt.show()

"""绘制电极位置"""raw.plot_sensors()plt.show()

MNE 从头创建Raw对象

在实际过程中，有时需要从头构建数据来创建Raw对象。
方式：通过mne.io.RawArray类来手动创建Raw

注：使用mne.io.RawArray创建Raw对象时，其构造函数只接受矩阵和info对象。

数据对应的单位：
V: eeg, eog, seeg, emg, ecg, bio, ecog

T: mag

T/m: grad

M: hbo, hbr

Am: dipole

AU: misc

构建一个Raw对象时，需要准备两种数据，一种是data数据，一种是Info数据，

data数据是一个二维数据，形状为(n_channels,n_times)

案例1

import mneimport numpy as npimport matplotlib.pyplot as plt

"""生成一个大小为5x1000的二维随机数据其中5代表5个通道，1000代表times"""data = np.random.randn(5, 1000)"""创建info结构,内容包括：通道名称和通道类型设置采样频率为:sfreq=100"""info = mne.create_info( ch_names=['MEG1', 'MEG2', 'EEG1', 'EEG2', 'EOG'], ch_types=['grad', 'grad', 'eeg', 'eeg', 'eog'], sfreq=100)"""利用mne.io.RawArray类创建Raw对象"""custom_raw = mne.io.RawArray(data, info)print(custom_raw)

从上面打印的信息可以看出
raw对象中n_channels=5, n_times=1000

"""对图形进行缩放对于实际的EEG / MEG数据，应使用不同的比例因子。对通道eeg、grad，eog的数据进行2倍缩小"""scalings = {'eeg': 2, 'grad': 2,'eog':2}custom_raw.plot(n_channels=5, scalings=scalings, title='Data from arrays', show=True, block=True)plt.show()

案例2

import numpy as npimport neoimport mneimport matplotlib.pyplot as plt

构建正余弦数据模拟mag,grad信号

其中采样频率为1000Hz,时间为0到10s.

# 创建任意数据sfreq = 1000 # 采样频率times = np.arange(0, 10, 0.001) # Use 10000 samples (10s)sin = np.sin(times * 10) # 乘以 10 缩短周期cos = np.cos(times * 10)sinX2 = sin * 2cosX2 = cos * 2# 数组大小为 4 X 10000.data = np.array([sin, cos, sinX2, cosX2])# 定义 channel types and names.ch_types = ['mag', 'mag', 'grad', 'grad']ch_names = ['sin', 'cos', 'sinX2', 'cosX2']

创建info对象

"""创建info对象"""info = mne.create_info(ch_names=ch_names, sfreq=sfreq, ch_types=ch_types)

利用mne.io.RawArray创建raw对象

"""利用mne.io.RawArray创建raw对象"""raw = mne.io.RawArray(data, info)"""对图形进行缩放对于实际的EEG / MEG数据，应使用不同的比例因子。对通道mag的数据进行2倍缩小，对grad的数据进行1.7倍缩小"""scalings = {'mag': 2, 'grad':1.7}raw.plot(n_channels=4, scalings=scalings, title='Data from arrays', show=True, block=True)"""可以采用自动缩放比例只要设置scalings='auto'即可"""scalings = 'auto'raw.plot(n_channels=4, scalings=scalings, title='Auto-scaled Data from arrays', show=True, block=True)plt.show()

MNE中文教程(1)-MNE中数据结构Raw及其用法简介

MNE 从头创建Raw对象

案例1

案例2

相关推荐