Nano Hash - криптовалюты, майнинг, программирование

Как прочитать сигнал EGG устройства Enobio8 через MNE-Python?

В настоящее время я работаю над проектом BCI. Мы считываем данные с устройства Enobio8 и при записи файла. Файл сохраняется в формате .easy вместе с файлом .info.

Ниже приведены примеры содержимого каждого файла.

1- Сигналы ЭЭГ .easy файл

-15741228   -38278653   -43620943   -6264171    -44769152   -32021816   -25153528   -4458642    0   1493932796323
-15739445   -38261326   -43603023   -6262245    -44751514   -32002525   -25150617   -4457181    0   1493932796325
-15735628   -38237066   -43565152   -6257521    -44719030   -31970720   -25144247   -4451606    0   1493932796327
-15745130   -38237608   -43547282   -6270067    -44708552   -31961981   -25153234   -4460206    0   1493932796329
-15750753   -38249011   -43547666   -6279803    -44713654   -31969142   -25159098   -4463804    0   1493932796331
-15753734   -38267076   -43566757   -6282550    -44733603   -31991900   -25162964   -4465650    0   1493932796333
-15748048   -38280731   -43597786   -6275811    -44755643   -32017350   -25157597   -4460308    0   1493932796335

2- ЭЭГ информация .info файл

StartDate (first EEG timestamp): 1493932796309
Device class: Enobio8
Device MAC: 00:0X:XX:XX:XX:XX
NIC version: v1.4.10
Operative system: Windows 8
Firmware version: 1256
Line filter status: 50 Hz
Additional channel status: OFF
EOG correction status: OFF

Total number of channels: 8
Number of EEG channels: 8
Number of records of EEG: 21839
Number of packets lost: 0(0.00%)
EEG sampling rate: 500 Samples/second
EEG units: nV 
EEG montage:
Channel 1: Fp1
Channel 2: AF3
Channel 3: F3
Channel 4: xx
Channel 5: xxx
Channel 6: xxx
Channel 7: xxx
Channel 8: xxx

Trigger information:
Code    Description
1   
2   
3   
4   
5   
6   
7   
8   
9   

User notes:
xxx TCP-IP

Теперь я хочу использовать библиотеку MNE-Python для обработки сигнала. Я преобразовал файл .easy в .edf с помощью программного обеспечения сетевой карты устройства Enobio8.

Мои вопросы заключаются в следующем:

  1. Является ли MNE-Python подходящей библиотекой для использования или существуют другие библиотеки, которые могут работать с файлами такого типа?

  2. Когда я пытался прочитать файл ЭЭГ с помощью mne.io.read_raw_edf, я должен был включить множество параметров, таких как монтаж (см. io.read_raw_edf.html#mne.io.read_raw_edf" rel="nofollow noreferrer">ссылка для получения дополнительной информации) как я могу создать такие параметры, как монтаж, эог и прочее?

  3. Нужно ли указывать все эти параметры?

  4. Как должен выглядеть файл монтажа?

python python-2.7 neuroscience mne-python
10.05.2017

Ответы:


1

Смотрите ниже мои ответы на ваши отдельные вопросы:

Является ли MNE-Python подходящей библиотекой для использования? или есть другие библиотеки, которые могут работать с файлами такого типа?

  1. Учитывая, что у вас есть данные ЭЭГ в формате EDF и вы хотите проанализировать эти данные, MNE-Python будет хорошим выбором, если вы хотите выполнить анализ в Python. Однако, судя по характеру ваших вопросов, может быть немного проще начать анализ ваших данных с помощью подхода на основе GUI (графического пользовательского интерфейса), такого как в Matlab на основе eeglab набор инструментов. Если у вас нет Matlab, есть также отдельная версия eeglab (см. мою ссылку).

Когда я пытался прочитать файл ЭЭГ с помощью mne.io.read_raw_edf, я должен включить множество параметров, таких как монтаж (см. ссылку для получения дополнительной информации), как я могу создать эти параметры, такие как монтаж, эог и прочее. ?

  1. См. ответы на вопросы 3 и 4. Что касается EOG и MISC, это типы каналов, которые должны быть очевидны из того, как вы записали данные. Электроды возле глаз можно было бы назвать ЭОГ. Каналы MISC могут быть любыми каналами, которые записывают не ЭЭГ, а другие данные.

Должен ли я заполнять все эти параметры?

  1. Нет, единственным входом для функции, который вы должны указать, является путь к вашему файлу .edf.

Как должен выглядеть файл монтажа?

  1. Файл монтажа в MNE-Python можно либо прочитать из файла, имеющегося у вас с записанными данными, либо вы можете создать стандартный монтаж (например, в система 10-20 с использованием mne.channels.Montage Python.
14.04.2018
Новые материалы
Кластеризация: более глубокий взгляд
Кластеризация — это метод обучения без учителя, в котором мы пытаемся найти группы в наборе данных на основе некоторых известных или неизвестных свойств, которые могут существовать. Независимо от..
Как написать эффективное резюме
Предложения по дизайну и макету, чтобы представить себя профессионально Вам не позвонили на собеседование после того, как вы несколько раз подали заявку на работу своей мечты? У вас может..
Частный метод Python: улучшение инкапсуляции и безопасности
Введение Python — универсальный и мощный язык программирования, известный своей простотой и удобством использования. Одной из ключевых особенностей, отличающих Python от других языков, является..
Как я автоматизирую тестирование с помощью Jest
Шутка для победы, когда дело касается автоматизации тестирования Одной очень важной частью разработки программного обеспечения является автоматизация тестирования, поскольку она создает..
Работа с векторными символическими архитектурами, часть 4 (искусственный интеллект)
Hyperseed: неконтролируемое обучение с векторными символическими архитектурами (arXiv) Автор: Евгений Осипов , Сачин Кахавала , Диланта Хапутантри , Тимал Кемпития , Дасвин Де Сильва ,..
Понимание расстояния Вассерштейна: мощная метрика в машинном обучении
В обширной области машинного обучения часто возникает необходимость сравнивать и измерять различия между распределениями вероятностей. Традиционные метрики расстояния, такие как евклидово..
Обеспечение масштабируемости LLM: облачный анализ с помощью AWS Fargate и Copilot
В динамичной области искусственного интеллекта все большее распространение получают модели больших языков (LLM). Они жизненно важны для различных приложений, таких как интеллектуальные..