利用matlab与eeglab对EEG信号（脑电）进行处理分段与保存

已于 2022-04-27 11:49:28 修改
阅读量1.2w 收藏 89
点赞数 11
文章标签： matlab
于 2022-04-22 18:00:04 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/a1004550653/article/details/124351796
版权
这段代码详细展示了如何批量处理 EEG 信号，包括读取 .edf 文件，选择特定通道，进行 0-50Hz 滤波，将数据分段并保存为 .set 文件，最后将分段数据合并并导出为 Excel 文件。整个流程适用于 EEG 数据预处理和存储。
摘要由CSDN通过智能技术生成

本文中的代码仅对eeg信号进行了筛通道，滤波，分段处理

如有其他要求，请在第一段代码中自行补充

%这个是对edf文件处理的代码进化过程，每一段都是对前一段的提升
%用井号框起来的部分是成功后的代码
%完整代码在最后
%其中，文件的读取保存地址，名称之类的，有很多需要在使用时进行手动改变的地方，注意自行更改
%使用eeg相关函数前，先调用eeglab
%读文件与选通道
EEG = pop_biosig('C:\Users\DELL\Desktop\dataset\s1-2210113.edf', 'channels',10);
%滤波
EEG = pop_eegfiltnew(EEG, 'locutoff',0,'hicutoff',50,'plotfreqz',1);
%保存
EEG = pop_saveset( EEG, 'filename','1.set','filepath','C:\\Users\\DELL\\Desktop\\set\\');


i=1
EEG = pop_biosig('C:\Users\DELL\Desktop\dataset\s1-2210113.edf', 'channels',10);
EEG = pop_eegfiltnew(EEG, 'locutoff',0,'hicutoff',50,'plotfreqz',1);
%strcat('participant',num2str(i),'ICA','.set')每个引号中，是一组文件名，可以自己改动，删减
EEG = pop_saveset( EEG, 'filename',strcat(num2str(i),'.set'),'filepath','C:\\Users\\DELL\\Desktop\\set\\');


i=1
filename=strcat(num2str(i),'.edf');
filepath='C:\\Users\\DELL\\Desktop\\dataset\\s1\\';
x=[filepath,filename]
EEG = pop_biosig(x, 'channels',10);
EEG = pop_eegfiltnew(EEG, 'locutoff',0,'hicutoff',50,'plotfreqz',1);
%strcat('participant',num2str(i),'ICA','.set')每个引号中，是一组文件名，可以自己改动，删减
EEG = pop_saveset( EEG, 'filename',strcat(num2str(i),'.set'),'filepath','C:\\Users\\DELL\\Desktop\\set\\');


##############################################################################################
for i=1:25
filename=strcat(num2str(i),'.edf');
filepath='C:\\Users\\DELL\\Desktop\\dataset\\s1\\';
x=[filepath,filename]
EEG = pop_biosig(x, 'channels',10);
EEG = pop_eegfiltnew(EEG, 'locutoff',0,'hicutoff',50,'plotfreqz',1);
%strcat('participant',num2str(i),'ICA','.set')每个引号中，是一组文件名，可以自己改动，删减
EEG = pop_saveset( EEG, 'filename',strcat(num2str(i),'.set'),'filepath','C:\\Users\\DELL\\Desktop\\set\\s1\\');
end
##############################################################################################


%至此利用eeg获得数据已经完成，接下来是对数据进行分割以及保存为exlx

i=1
setFileName =strcat(num2str(i),'.set');
filepath='C:\\Users\\DELL\\Desktop\\set\\s1\\';
eeg = pop_loadset(setFileName, filepath);
event = eeg.event;
data = eeg.data;
srate = eeg.srate;


size(a,1) % 行数
size(a,2) % 列数
b=floor(a/2500)*2500%整除
a=data(1,1:b)%data的第一行中第一列到第b列


%删除多余数据并分段
a=floor(size(data,2) /2500)*2500
a=data(1,1:a)%data的第一行中第一列到第b列
a=reshape(a,[],2500)

###################################################################################
for j=1:size(a,1) 
savefilepath='C:\\Users\\DELL\\Desktop\\xlsx\\s1\\'
saveFileName =strcat(num2str(i),num2str(j),'.xlsx');
x=[savefilepath,saveFileName]
test=a(j,:)
xlswrite(x,test,'Sheet1')
end
###################################################################################
%分段与保存的部分也就做完了，然后是结合文件读取部分

###################################################################################
for i=1:11%要比实际少一个数字
setFileName =strcat(num2str(i),'.set');
filepath='C:\\Users\\DELL\\Desktop\\set\\s1\\';
eeg = pop_loadset(setFileName, filepath);
event = eeg.event;
data = eeg.data;
srate = eeg.srate;

a=floor(size(data,2) /2500)*2500
a=data(1,1:a)%data的第一行中第一列到第b列
a=reshape(a,[],2500)

for j=1:size(a,1) 
savefilepath='C:\\Users\\DELL\\Desktop\\xlsx\\s1\\'
saveFileName =strcat(num2str(i),num2str(j),'.xlsx');
x=[savefilepath,saveFileName]
test=a(j,:)
xlswrite(x,test,'Sheet1')
end
end
###################################################################################
%然后我发现不需要拆开保存，等晚上再重新做合并保存的代码吧，饿了。



%我又来了
%首先要启动一次eeglab才能使用代码
b=[]%需要保存的矩阵
c=[]%检测循环数量
d=[]%检测每一次分段数量
e=0%检测分段数量总和
for i=1:12
setFileName =strcat(num2str(i),'.set');
filepath='C:\\Users\\DELL\\Desktop\\set\\s1\\';
eeg = pop_loadset(setFileName, filepath);
data = eeg.data;

a=floor(size(data,2) /2500)
d=[d;a]
e=e+a 
a=a*2500
a=data(1,1:a)%data的第一行中第一列到第b列
a=reshape(a,[],2500)
b=[b;a]
c=[c;i]

end





b=[]%需要保存的矩阵
c=[]%检测循环数量
d=[]%检测每一次分段数量
e=0%检测分段数量总和
for i=1:12
setFileName =strcat(num2str(i),'.set');
filepath='C:\\Users\\DELL\\Desktop\\set\\s1\\';
eeg = pop_loadset(setFileName, filepath);
data = eeg.data;

a=floor(size(data,2) /2500)
d=[d;a]
e=e+a 
a=a*2500
a=data(1,1:a)%data的第一行中第一列到第b列
a=reshape(a,[],2500)
b=[b;a]
c=[c;i]

end

savefilepath='C:\\Users\\DELL\\Desktop\\xlsx\\s1\\'
saveFileName =strcat('s1.xlsx');
x=[savefilepath,saveFileName]
test=b
xlswrite(x,test,'Sheet1')




###################################################################################
b=[]%需要保存的矩阵
%循环读取数据
for i=1:12
setFileName =strcat(num2str(i),'.set');
filepath='C:\\Users\\DELL\\Desktop\\set\\s1\\';
eeg = pop_loadset(setFileName, filepath);
data = eeg.data;
%对数据进行分段
a=floor(size(data,2) /2500)*2500
a=data(1,1:a)%data的第一行中第一列到第b列
a=reshape(a,[],2500)
%数据合并
b=[b;a]
end
%数据保存
savefilepath='C:\\Users\\DELL\\Desktop\\xlsx\\'
saveFileName =strcat('s1.xlsx');
x=[savefilepath,saveFileName]
xlswrite(x,b,'Sheet1')
###################################################################################
%这一次的代码就算结束了，最后做一下总结
###################################################################################
###################################################################################
###################################################################################
%使用eeg相关函数前，先调用eeglab
%对原始edf文件进行循环调用
for i=1:25
filename=strcat(num2str(i),'.edf');
filepath='C:\\Users\\DELL\\Desktop\\dataset\\s1\\';
x=[filepath,filename]
%选择文件，并选择第10个通道
EEG = pop_biosig(x, 'channels',10);
%对数据进行0—50Hz的滤波
EEG = pop_eegfiltnew(EEG, 'locutoff',0,'hicutoff',50,'plotfreqz',1);
%数据保存
%strcat('participant',num2str(i),'ICA','.set')每个引号中，是一组文件名，可以自己改动，删减
EEG = pop_saveset( EEG, 'filename',strcat(num2str(i),'.set'),'filepath','C:\\Users\\DELL\\Desktop\\set\\s1\\');
end

b=[]%需要保存的矩阵
%循环读取set数据
for i=1:12
setFileName =strcat(num2str(i),'.set');
filepath='C:\\Users\\DELL\\Desktop\\set\\s1\\';
eeg = pop_loadset(setFileName, filepath);
data = eeg.data;
%对数据进行分段
a=floor(size(data,2) /2500)*2500
a=data(1,1:a)%data的第一行中第一列到第b列
a=reshape(a,[],2500)
%数据合并
b=[b;a]
end
%数据保存位xlsx文件
savefilepath='C:\\Users\\DELL\\Desktop\\xlsx\\'
saveFileName =strcat('s1.xlsx');
x=[savefilepath,saveFileName]
xlswrite(x,b,'Sheet1')
###################################################################################
###################################################################################
###################################################################################
###################################################################################
###################################################################################
###################################################################################
%没想到的是，我又重做了一遍代码，这次不需要重命名了，可以直接读文件
FilePath = 'C:\\Users\\10045\\Desktop\\精确打标---儿童医院脑电图资料\\j1\\';                   % 设置数据存放的文件夹路径
File = dir(fullfile(FilePath,'*.edf'));  % 显示文件夹下所有符合后缀名为.edf文件的完整信息
FileNames = {File.name}';            % 提取符合后缀名为.edf的所有文件的文件名，转换为n行1列
Length_Names = size(FileNames,1);    % 获取所提取数据文件的个数
b=[]%需要保存的矩阵

for i=1:Length_Names 
x=[FilePath,char(FileNames(i))]
EEG = pop_biosig(x, 'channels',10);
EEG = pop_eegfiltnew(EEG, 'locutoff',0,'hicutoff',50,'plotfreqz',1);
data = EEG.data;
%对数据进行分段
a=floor(size(data,2) /2500)*2500
a=data(1,1:a)%data的第一行中第一列到第b列
a=reshape(a,[],2500)
%数据合并
b=[b;a]
end
%数据保存为csv文件
writematrix(b,'j1.csv'); 
###################################################################################
###################################################################################
###################################################################################

此彼之间白夜幻想
关注
脑电信号的分段处理
05-04
脑电信号的分段处理， %分段 clear; sub_name={ % 'mgh_1_1','mgh_1_2','mgh_1_3'};%改名字 % 'kzh_1_1','kzh_1_2','kzh_1_3'}; 'mgh_1_1','mgh_1_2','mgh_1_3'}; % 'hcl_3_1','hcl_3_2','hcl_3_3','gxj_4_1','gxj_4_2','gxj_4_3',... % 'gy_5_1','gy_5_2','gy_5_3'}; % 'mss_5_1','mss_5_2','mss_5_3','yyp_6_1','yyp_6_2','yyp_6_3',... % 'gy_7_1','gy_7_2','gy_7_3','yym_8_1','yym_8_2','yym_8_3',... % 'zsn_9_1','zsn_9_2','zsn_9_3','mgh_10_1','mgh_10_2','mgh_10_3'};%改名字 for i=1:3几组数据 sub=strcat(sub_name{i},'.set'); %不改 sub_save=strcat(sub_name{i},'_epoch.set'); %不改 EEG = pop_loadset('filename',sub,'filepath','D:\BISHE\REST-RUNICA-LS\');%改路径 EEG = eeg_checkset( EEG ); EEG = eeg_regepochs(EEG, 'recurrence', 2, 'limits',[0 2], 'rmbase',NaN); EEG = pop_saveset( EEG, 'filename',sub_save,'filepath','D:\BISHE\FENDUAN-LS\');%保存，改路径 EEG = eeg_checkset( EEG ); end
ctap:自动化预处理的计算测试-Matlab工具箱扩展了EEGLAB功能，可对EEG进行批处理
05-12
自动化预处理的计算测试（CTAP★） CTAP是在中运行的一组工具，可促进 EEG处理框架的工作流程创建，自动化质量控制和功能导出。 什么是CTAP？ 自动化预处理计算测试（CTAP）工具箱的主要目的是提供： 使用EEGLAB函数进行批处理 测试和比较自动化方法。 CTAP工具箱提供了两个主要功能来实现这些目标： 该核心支持EEGLAB分析管道的脚本化规范以及用于运行管道的工具，从而使工作流透明且易于控制。 自动输出“质量控制”日志和图像有助于跟踪发生的情况。 测试模块使用合成数据来生成预处理方法的地面真相控制测试，并能够生成与实验室自身数据的参数匹配的新合成数据。 这样一来，实验者就可以根据自己的目的选择最佳方法，或者让开发人员灵活地测试和基准化他们的新方法。 如果您使用CTAP进行研究，请使用以下引用： Cowley，B.，Korpela，J.，和Torniainen，
打maker，分段，提epoch的基本操作
yiyiyayaya666的博客
05-14 6829
对于脑电EEG数据，在进行功能连接计算之前，要充分做好预处理步骤。这里仅把打marker，分段，提epoch的基本操作做个笔记。 首先，打marker和events数量有关；分段和epoch数量有关（eeglab中可以看到相应信息）；打完marker，分完段并且做好所有的预处理步骤后，就可以提epoch了，提epoch是为了对不同数据中的不同多个epoch取个统一数量（比如1.set有1010个epoch，2.set有990个epoch，3.set有880个epoch，就可以把这仨全部取成800个ep..
手把手教你EEG脑电数据预处理-操作篇
热门推荐
脑机接口社区
05-19 2万+
目录导入数据对数据进行初步认识电极定位移除无用电极重参考重采样滤波分段和基线校正插值坏导ICA剔除ICA成分剔除坏段目视检查法保存数据 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：941473018 感谢简书ID:亚内士多德 授权分享 EEG脑电数据预处理-操作篇 关于EEG数据预处理的原理，前面已经介绍过了，大家可以查看《手把手教你EEG脑电数据预处理-原理篇》。下面是亚内士多德分享的操作篇。 导入数据 选择要导入的数据格式 接下来会弹
EEGLAB中导入各种类型的数据格式
fdgdf5535的博客
10-08 4207
mat格式：可以使用MATLAB中的load函数或使用EEGLAB中的File->Import Data->Using EEGLAB functions menu来导入.mat格式的文件。.edf格式：可以使用EEGLAB中的File->Import Data->From EDF/EDF+ menu来导入.edf格式的文件。.eeg格式：可以使用EEGLAB中的File->Import Data->From Brain Vision menu来导入.eeg格式的文件。
matlab eeg
10-24
matlab eeg matlab eegmatlab eeg
EEG数据信号的Matlab滤波仿真设计分析研究.pdf
07-10
EEG数据信号的Matlab滤波仿真设计分析研究.pdf
如何根据event\marker将EEG数据的测试阶段和实验阶段分开
Jennifer_a_的博客
07-26 702
对于连续记录的，含有多个实验的EEG数据，在不对EEG数据进行分段 的情况下，如何实现对不同实验区分条件
特征工程之特征分箱（决策树分箱、卡方分箱、bestks以及评价标准WOE和IV)
CarryLvan的博客
09-27 1万+
特征工程之特征分箱：决策树分箱、卡方分箱、bestks以及评价标准
EEG信号解码及结果可视化---自编MATLAB函数
xq_520的博客
10-08 1955
该函数用于对一段原始EEG信号进行分解，得到医学上认定的9个频段的时域、频域信息。 该函数不考虑FFT的采样点数小于信号的采样频率的情况，即N<Fs。 function [Time_domain, Freq_domain] = EEG_decoding(signal, Fs, N) % % 输入 signal：待解码原始信号 % % Fs： 信号的采样频率 % % ...
matlab脑电信号处理
12-15
采用matlab、小波分析，对脑电信号进行特征提取和处理
loadCNT.zip_MATlab导入cnt_cnt_cnt EEG_cnt数据_matlab 脑电
07-15
在Matlab里导入.cnt文件，主要帮助在Matlab中进行EEG脑电分析的同学，将.cnt文件成功导入Matlab，然后分析数据结构。
基于Matlab的EEGLAB的功能分析
04-28
EEGLAB是一款功能强大的基于Matlab的开源软件包，主要用于脑电信号（EEG）数据的处理与分析。它不仅支持多种数据格式的导入，还提供了一个直观易用的图形用户界面，使得研究者能够方便地进行数据的预处理、分析及...
eeglab和matlab,Matlab之EEGLAB工具箱脑电数据预处理
weixin_35955928的博客
03-16 5750
虽然买脑电采集设备时会配备有脑电数据处理软件，但是有的需要付年费，但是如果没买采集设备也没有专业处理软件，可以使用matlab中eeglab，使用起来也比较方便，eeglab的安装流程浏览器搜一下会有，如很必要后面出一篇，下面介绍下采集好的脑电数据该如何做预处理。解读：eeglab是基于MATLAB的一个工具包，一般加载的时候都从添加子文件夹导入。在添加多个工具包时，记得只保留必要的工具包，避免兼...
用matlab的eeglab内函数编一段程序：对于预处理过、打过标签的EEG信号，标签有‘201’，‘203’，‘204’三种，每三个‘204’为一段对脑电数据进行分段，结果保存在数组中
最新发布
09-08
在MATLAB中，你可以使用EELab库来处理EEG信号，并结合循环和条件结构来进行分段。以下是一个简单的示例程序，假设你已经有了预处理过的 EEG 数据存储在一个变量`data`，标签存储在一个数组`labels`： ```matlab % ...
EEGLAB数据预处理基本流程GUI实操指南
fdgdf5535的博客
09-25 2912
按钮，会出现如上图所示的长条形对话框，方框里面是所有电极的名称，这时将需要的剔除的电极选择上，如上图，我选择了 VEOG这个电极（该电极表示是垂直眼电），然后点“OK”，在弹出的对话框中自行确定是否需要修改命名。坏导是指在数据采集时，由于各种原因（如，电极本身问题或阻抗不好等）导致数据记录有问题，但是在后期又特别想要该通道的数据，那么就可以利用插值的方法进行——利用该导联周边的几个电极点的均值作为该导的数据。上图的图是通过IClabel的工具箱进行自动判断的，可以帮助自动识别出哪些是Eye的成分。
matlab处理EEG数据（edf格式）——代码形式
yxn的博客
02-28 3698
文章目录读取edf文件滤波可视化数据保存文件tipsmatlab截取字符串matlab拼接字符串 读取edf文件 为了与eeglab的GUI读取对应，需要将文件读取成为EEG struct的格式，即可读取成功。 EEG_1 = pop_biosig(file_path); 命令行得到如下结果即为读取成功。 滤波 %% 滤波 EEG_delta = pop_eegfiltnew(EEG_1, 0.5, 4); 可视化数据 %% 可视化数据 eegplot(EEG_delta.data); 即可得到和
脑电EEG代码开源分享 【1.前置准备-静息态篇】
fdgdf5535的博客
09-22 226
disp(['数据总时长: ' , num2str(standard_time) , '||暂态时长: ' , num2str(temp_abandon), '||修正剩余时长: ' , num2str(remain_confrim_time)]);disp(['数据总时长: ' , num2str(standard_time) , '||暂态时长: ' , num2str(temp_abandon), '||修正剩余时长: ' , num2str(remain_confrim_time)]);
Matlab深度学习进行波形分割（二）
左手の明天的博客
01-14 1248
🔐####🔐💗 大家好🤗🤗🤗，我是！好久不见💗💗今天分享——💗，左手の明天的第篇原创博客📚🔐####🔐接上上一篇文章 详解Matlab深度学习进行波形分割。
matlab处理eeg
03-27
作为一名AI助手，我不具备处理EEG数据的能力，但我可以向您介绍一些处理EEG数据的基本步骤，以及如何使用MATLAB进行EEG数据处理。 处理EEG数据的基本步骤： 1. 数据采集：使用EEG仪器采集EEG数据，并将其保存为文件格式。 2. 数据预处理：包括滤波、去除噪声和伪迹等步骤。 3. 特征提取：从EEG数据中提取有用的特征，例如频率、幅度、相位等。 4. 数据分类：将EEG数据分类为不同的状态，例如放松状态、专注状态等。 5. 数据分析和可视化：对处理后的数据进行分析和可视化，以便更好地理解和解释结果。 使用MATLAB进行EEG数据处理的步骤： 1. 导入EEG数据：使用MATLAB内置的函数或EEGLAB工具箱导入EEG数据。 2. 预处理：使用MATLAB内置的函数或EEGLAB工具箱进行滤波、去噪等预处理步骤。 3. 特征提取：使用MATLAB内置的函数或EEGLAB工具箱提取有用的特征。 4. 数据分类：使用MATLAB内置的函数或EEGLAB工具箱对EEG数据进行分类。 5. 数据分析和可视化：使用MATLAB内置的函数或EEGLAB工具箱对处理后的数据进行分析和可视化。 需要注意的是，EEG数据处理是一个复杂的过程，需要有一定的专业知识和经验。如果您不熟悉EEG数据处理，建议先学习相关知识或寻求专业人士的帮助。
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值