Python MNE - 从数组中读取 EEG 数据

Question

我有以 3D numpy 数组(纪元 * channel * 时间点)形式出现的 EEG 数据。 timepoint 是一个包含每个采样时间点的 256 元素数组(总共 1s，256Hz)。 epoch 是一个实验性的试验。

我正在尝试将 numpy 数组导入 Python-MNE ( http://martinos.org/mne/stable/mne-python.html) 可以理解的形式，但我遇到了一些麻烦

首先，我不确定是否应该将此原始数据导入为 RawArray 或 EpochsArray。我尝试了后者:

ch_names = list containing my 64 eeg channel names
allData = 3d numpy array as described above

info = mne.create_info(ch_names, 256, ch_types='eeg')

event_id = 1

#I got this from a tutorial but really unsure what it does and I think this may be the problem
events = np.array([200, event_id])  #I got this from a tutorial but really unsure what it does and I think this may be the problem

raw = mne.EpochsArray(allData, info, events=events)

picks = mne.pick_types(info, meg=False, eeg=True, misc=False)

raw.plot(picks=picks, show=True, block=True)

当我运行它时，我得到一个索引错误:“数组的索引太多”

最终我想对数据进行一些 STFT 和 CSP 分析，但现在我需要一些帮助来进行初始重组和导入 MNE。

导入此 numpy 数据的正确方法是什么，可以最轻松地完成我的预期分析？

Answer 1

有什么方法可以将您从 EEG 设置中获取的数据转换为 .fif 格式？ MNE 页面在其教程中提到的“原始”数据格式是 .fif 格式文件。如果您可以将您的脑电图数据转换为 .fif 格式，那么您几乎可以按照教程一步一步来...

将各种其他 EEG 文件格式转换为 .fif 的函数:http://martinos.org/mne/stable/manual/convert.html

如果那不是一个选择，这里有一些想法:

• EpochsArray()看起来是正确的函数，因为它需要一个形状为 (n_epochs, n_channels, n_times) 的数据数组。为确保万无一失，请检查 allData 数组的形状是否与 np.shape(allData) 匹配。

• 在相关说明中，EpochsArray() 的帮助页面提到了 mne.read_events()但最大的问题是您的事件数据可能存储在何处以便您能够读取它...

• 根据您链接的教程，如果您从 .fif 文件开始，获取“事件”的方法似乎是:events = mne.find_events(raw, stim_channel='STI 014')。这让我想知道你的 numpy 数组中是否有超过 64 个 channel ，而你的 channel 之一实际上是一个刺激 channel ......如果是这种情况，你可以尝试将该刺激 channel 提供给 mne.read_events() 功能。或者，您的 stim 或事件 channel 可能是一个单独的数组或者可能未处理？

希望这至少能有所帮助，祝你好运!