脑机接口基础学习05—认识Evoked及其对象创建

大家好，欢迎来到IT知识分享网。

Evoked potential（EP）诱发电位或诱发反应是指出现诸如闪光或纯音之类的刺激后，从人类或其他动物
的神经系统，特别是大脑的特定部分记录的特定模式的电位。不同形式和类型的刺激会产生不同类型的电位
诱发电位振幅往往较低，从小于1微伏到数微伏不等，而脑电图为数十微伏，肌电图为毫伏，心电图通常接近20毫伏。为了在EEG、ECG、EMG等生物信号和环境噪声的背景下解决这些低幅度电位，通常需要对信号进行平均。信号被时间锁定在刺激上，大部分噪声是随机产生的，这样就可以通过对重复响应来平均掉噪声

Evoked结构简介 import os.path as op import matplotlib.pyplot as plt import mne ''' 从文件中读取诱发数据集 ''' data_path=r'E:\脑机接口资料\MNE-sample-data' #加载包含事件events的听觉数据集 fname=op.join(data_path,'MEG','sample','sample_audvis-ave.fif') evokeds=mne.read_evokeds(fname,baseline=(None,0),proj=True) print(evokeds) 

''' 使用read_evokeds函数来加载诱发文件，并返回evoked实例列表，可以使用condition参数来读取指定类别 这里有['Left Auditory','Right Auditory','Left Visual'，‘Right Visual’]等类别 ''' evoked=mne.read_evokeds(fname,condition='Left Auditory') evoked.apply_baseline((None,0)).apply_proj() print(evoked) 

#打印evoked信息，这个信息和Raw对象以及Epochs对象中的info很相似 print(evoked.info) print(evoked.times) 

#查看evoked结构其他属性 print(evoked.nave)#Number of averaged epochs print(evoked.first)#First time sample print(evoked.last)#Last time sample print(evoked.comment)#Comment on dataset.Usually the condition print(evoked.kind) #Type of data,either average or standard_error 

#快速提取并绘制全局能力谱(Global Field Power,GFP)作为跨通道的标准偏差 #这里仅对EEG显示 gfp=evoked.copy().pick_types(eeg=True,meg=False).data.std(axis=0) fig,ax=plt.subplots(1) ax.plot(evoked.times,gfp/1e6)#scale to uV ax.set(xlabel='Time(sec)',ylabel='GFP(uV)') fig.tight_layout() 

# a.读取evoked对象，创建evoked对象 #sample_audvis-ave.fif文件包含了听觉诱发电位 #1）读取fif文件，创建evoked对象 from mne import read_evokeds from mne.datasets import sample import matplotlib.pyplot as plt ''' 文件存放地址 ''' data_path=r'E:\脑机接口资料\MNE-sample-data' fname = data_path + '/MEG/sample/sample_audvis-ave.fif' ''' 读取fif文件： sample_audvis-ave.fif 只读取左听觉的电位数据 ''' condition='Left Auditory' evoked=read_evokeds(fname,condition=condition,baseline=(None,0),proj=True) 

#2）绘制evoked数据 #将结果显示为蝶形图 #可以通过使用exclude=[]，这里不排除不良通道，将不良通道以红色显示 evoked.plot(exclude=[],time_unit='s') plt.show() 

#将结果以二维图片的形式显示（x:time,y:channels,color:amplitude） evoked.plot_image(exclude=[],time_unit='s') plt.show() 

实际过程中，有时需要从头自动创建数据来创建Evoked对象
方式：利用mne.EvokedArray创建Evoked对象，创建时直接构建numpy数组即可，数组的形状必须是(n_epochs,n_chans,n_times)
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

 案例1  import mne import numpy as np import matplotlib.pyplot as plt 

第一步：创建数据 ''' 构建一个大小为10x5x200的三维数组，数组中数据是随机数 第一维数据表示：10epochs 第二维数据表示：5channels 第三维数据表示：2 seconds per epoch ''' #采样频率 sfreq=100 data=np.random.randn(10,5,sfreq*2) #创建一个info结构 info=mne.create_info(ch_names=['MEG1','MEG2','EEG1','EEG2','EOG'], ch_types=['grad','grad','eeg','eeg','eog'], sfreq=sfreq) 第二步：创建evoked对象 #利用mne.EvokedArray创建Evoked对象 ''' tmin:event开始前的时间，如果未指定，则默认为0 ''' #设置事件开始前时间为-0.1s tmin=-0.1 #对数据求平均 data_evoked=data.mean(0) #epochs的数量 nave=data.shape[0] #给evoked起一个名称 comment='Smiley faces' ''' 利用mne.EvokedArray创建evoked对象 ''' evoked_array=mne.EvokedArray(data_evoked,info,tmin,comment=comment,nave=nave) print(evoked_array) _=evoked_array.plot(time_unit='s') 

 案例2  import numpy as np import neo import mne import matplotlib.pyplot as plt ''' 设置event_id，用来识别events ''' event_id=1 #第一列表示样本编号 events=np.array([[200,0,event_id], [1200,0,event_id], [2000,0,event_id]])#List of three arbitrary events 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) ''' 利用sin和cos创建一个2个通道的700ms epochs的数据集 只要是（epochs，n_channels,n_times）形状的数据，都可以被用来创建 ''' epochs_data=np.array([[sin[:700],cos[:700]], [sin[1000:1700],cos[1000:1700]], [sin[1800:2500],cos[1800:2500]]]) ch_names=['sin','cos'] ch_types=['mag','mag'] info=mne.create_info(ch_names=ch_names,sfreq=sfreq,ch_types=ch_types) nave=len(epochs_data)#Number of averaged epochs evoked_data=np.mean(epochs_data,axis=0) evokeds=mne.EvokedArray(evoked_data,info=info,tmin=-0.2,comment='Arbitrary',nave=nave) picks=mne.pick_types(info,meg=True,eeg=False,misc=False) evokeds.plot(picks=picks,show=True,units={ 
   'mag':'-'}, titles={ 
   'mag':'sin and cos averages'}, time_unit='s') plt.show()