更多技术,第一时间送达 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。 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']。 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。 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() |
|