脑机接口基础学习08----读取.edf文件

EDF，全称是Eurpean Data Format，是一种标准文件格式，用于交换和存储医疗时间序列，该格式文件能够存储多通道的数据，允许每个信号拥有不同的采样频率，在内部，它包括标题和一个或多个数据记录。标题包含一些一般信息（患者标识，开始时间…等等），以及每个信号的技术规格（校准，采样率，过滤，…等等），编码为ASCII字符。数据记录包含小端16位整数的样本。因此，EDF也是多导睡眠图（PSG）录音的流行格式
在Python中读取edf文件，可以通过mne来实现

#方法原型：
'''
mne.io.read_raw_edf(input_fname,
                     montage='deprecated',
                     eog=None,
                     misc=None,
                     stim_channel='auto',
                     exclude=(),
                     preload=False,
                     verbose=None)

参数解读：
input_fname:edf文件存放地址
montage=‘deprecated’:已弃用
eog：通道名称或应指定为EOG通道的索引列表。值对应于文件中的电极。默认为无
misc：通道名称或应指定为MISC通道的索引列表。值对应于文件中的电极。默认为无。

stim_channel：默认为'auto'，这意味着将名为‘status’或‘trigger’（不区分大小写）的通道设置为STIM
如果为str（或str列表），则所有与名称匹配的通道均设置为STIM
如果为int（或int列表），则将对应于索引的通道设置为STIM

exclude：要排除的通道名称。这在读取具有不同采样率的数据时会有所帮助，以避免不必要的重采样。

preload：如果为True，则数据将被预加载到内存中（这样可以加快数据的索引）
如果preload是字符串，则该字符串为数据存放在硬盘中的路径地址（速度较慢，需要较少的内存）

来看一个实例

###1.导入工具包
from mne.io import concatenate_raws,read_raw_edf
import matplotlib.pyplot as plt
import mne

###2.加载本地edf文件
raw=read_raw_edf("Affaf Ikram 20121020 1839.L1.edf",preload=False)

###3.获取原始数据中事件
#查看原始edf文件中保存的event id以及events

events_from_annot,event_dict=mne.events_from_annotations(raw)
print(event_dict)
print(events_from_annot)

由上图可以发现，事件ID有1，2，3，4，5，6
每个ID对应着注释：[‘TRSP’,‘bgin’,‘fix+’,‘resp’,‘stm+’,‘stm-’]
共有517个事件

###4.根据事件ID获取对应事件
#下面只选取事件ID为5和6的所对应的事件

custom_mapping={'stm+':5,'stm-':6}
(events_from_annot,
event_dict)=mne.events_from_annotations(raw,event_id=custom_mapping)
print(event_id)
print(events_from_annot)

###5.绘制事件图
fig=mne.viz.plot_events(events_from_annot,sfreq=raw.info['sfreq'],
                       first_samp=raw.first_samp,event_id=event_dict)
subplots_adjust(right=0.7)

epochs=mne.Epochs(raw,events=events_from_annot,
                 event_id=event_dict)
epochs.plot_image()

'''
获取采样频率sfreq

知识点：
采样频率，也称为采样速度或采样率，定义了每秒从连续信号中提取并组成离散信号的采样个数，它用赫兹（Hz）来表示。
采样频率的倒数是采样周期或者叫作采样时间，它是采样之间的时间间隔。
通俗的讲采样频率是指计算机每秒钟采集多少个信号样本。

'''
#sfreq=raw.info['sfreq']


#获取索引为m到n的样本，每个样本从第k次到第h次
#data,times=raw[m:n,k:h]


#其中data为索引m到n的样本，每个样本从第k次到第h次
#times是以第k次采样的时间作为开始时间，第h次采样时的时间为结束时间的时间数组


data,times=raw[:3,int(sfreq*1):int(sfreq*3)]
plt.plot(times,data.T)
plot.title('Sample channels')

今天同样没有找到相应数据文件，里面的图仍然是公众号里的，实在惭愧