目录
- MNE-Python中的参考
- 引用简介
- 无需重新引用(No re-referencing)
- 平均参考(Average reference)
- 单电极(A single electrode)
- 多个电极的平均值(The mean of multiple electrodes)
- Python案例
@(目录)
本分享为脑机学习者Rose整理发表于公众号:脑机接口社区(微信号:Brain_Computer).QQ交流群:903290195
MNE-Python中的参考
MNE-Python中的平均参考设置
set_eeg_reference(self,
ref_channels='average',
projection=False,
ch_type='auto',
verbose=None)
指定用于EEG信号的参考。
默认情况下,MNE-Python将自动重新参考EEG信号,以使用平均参考(请参见下文)。 这个函数可以显示指定所需的EEG参考。这可以是现有电极或新的虚拟通道。 此函数将根据所需参考重新参考数据,并防止MNE-Python自动添加平均参考投影。
引用简介
一些常见的参考方案以及ref_channels参数的相应值如下:
无需重新引用(No re-referencing)
如果EEG数据已经在使用正确的参考信号,则设置ref_channels = []。这将阻止MNE-Python自动添加平均参考投影。
平均参考(Average reference)
通过设置ref_channels =‘average‘来对当前EEG信号进行平均,创建一个新的虚拟参考电极。
如果在info[‘bads‘]中设置了错误的EEG通道,则会自动排除它们。
单电极(A single electrode)
将ref_channels设置为包含将用作新参考的通道名称的列表,例如ref_channels = [‘Cz‘]。
多个电极的平均值(The mean of multiple electrodes)
通过计算从两个或多个选定通道记录的当前EEG信号的平均值,可以创建一个新的虚拟参考电极。
将ref_channels设置为通道名称列表,指定要使用的通道。
例如,要使用平均乳突参考,在使用10-20命名方案时,请设置ref_channels = [‘M1‘,‘M2‘]。
Python案例
import mne
from mne.datasets import sample
from matplotlib import pyplot as plt
# 数据文件存放地址
data_path = sample.data_path()
raw_fname = data_path + '/MEG/sample/sample_audvis_filt-0-40_raw.fif'
event_fname = data_path + '/MEG/sample/sample_audvis_filt-0-40_raw-eve.fif'
event_id, tmin, tmax = 1, -0.2, 0.5
# 读取fif文件,并生成raw对象
raw = mne.io.read_raw_fif(raw_fname, preload=True)
events = mne.read_events(event_fname)
# 将绘制脑电通道,以可视化参考方案中的差异。
picks = mne.pick_types(raw.info,
meg=False,
eeg=True,
eog=True,
exclude='bads')
下面将应用不同的EEG参考方案,并绘制所产生的诱发电位。
注意,当使用mne.Epochs构造epochs时,这里提供proj = True参数。这意味着将自动应用所有可用的projector(投影)。
具体来说,如果存在由raw.set_eeg_reference(‘average‘,projection = True)设置的平均参考投影机,则MNE在创建epochs(时间片段)时会应用此projector(投影)。
reject = dict(eog=150e-6)
epochs_params = dict(events=events,
event_id=event_id,
tmin=tmin, tmax=tmax,
picks=picks,
reject=reject, proj=True)
fig, (ax1, ax2, ax3) = plt.subplots(nrows=3, ncols=1, sharex=True)
"""
设置为 没有参考。
这里假定EEG是由正确的参考得到的。
这明确阻止MNE添加默认的EEG参考。
任何普通的参考projector(投影)都会被自动删除。
"""
raw.set_eeg_reference([])
evoked_no_ref = mne.Epochs(raw, **epochs_params).average()
evoked_no_ref.plot(axes=ax1,
titles=dict(eeg='Original reference'),
show=False,
time_unit='s')
"""
平均参考 默认情况下就是平均参考,但也可以显式添加。
"""
raw.set_eeg_reference('average', projection=True)
evoked_car = mne.Epochs(raw, **epochs_params).average()
evoked_car.plot(axes=ax2,
titles=dict(eeg='Average reference'),
show=False,
time_unit='s')
"""
从平均参考重新参考EEG 001和EEG 002通道的平均值。
"""
raw.set_eeg_reference(['EEG 001', 'EEG 002'])
evoked_custom = mne.Epochs(raw, **epochs_params).average()
evoked_custom.plot(axes=ax3,
titles=dict(eeg='Custom reference'),
time_unit='s')
plt.show()
"""
绘制raw对象中所有通道的曲线图
"""
raw.plot(n_channels=len(raw))
plt.show()
"""
使用所有通道的平均值作为参考
"""
raw_avg_ref = raw.copy().set_eeg_reference(ref_channels='average')
raw_avg_ref.plot(n_channels=len(raw))
plt.show()
参考
MNE-Python 参考电极
脑机学习者Rose笔记分享,QQ交流群:903290195
更多分享,请关注公众号
原文地址:https://www.cnblogs.com/RoseVorchid/p/12037294.html