脑机接口基础学习19---救救我吧，Evoked数据可视化

最新推荐文章于 2023-03-13 21:34:31 发布

多欢喜 

最新推荐文章于 2023-03-13 21:34:31 发布

阅读量320

点赞数 1

分类专栏：脑机接口基础文章标签： python 脑机接口

本文链接：https://blog.csdn.net/duohuanxi/article/details/109605310

版权

脑机接口基础专栏收录该内容

20 篇文章 50 订阅

订阅专栏

在这一节的学习中，我遇到了非常大的问题
Evoked potential(EP)诱发电位或诱发反应是指出现在诸如闪光或纯音之类的刺激后，从人类或其他动物的神经系统，特别是大脑的特定部分记录的特定模式的电位。不同形式和类型的刺激会产生不同类型的电位。

诱发电位振幅往往较低，从小于1微伏到数微伏不等，而脑电图为数微伏，肌电图为毫伏，心电图通常接近20毫伏。为了在EEG、ECG、EMG等生物信号和环境噪声的背景下解决这些低幅度电位，通常需要对信号进行平均。信号被时间锁定在刺激上，大部分噪声是随机产生的，这样就可以通过对重复响应来平均掉噪声。

诱发电位（Evoked）结构主要用于存储实验期间的平均数据，在MNE中，创建Evoked对象通常使用mne.Epochs.average()来平均epochs数据来实现。
在这篇文章中，着重于mne.Evoked的绘图功能

#案例介绍：

#导入工具包
import os 
import os.path as op
import numpy as np
import matplotlib.pyplot as plt

import mne

'''
第一步：
从文件中读取诱发对象

'''

data_path=r'E:\脑机接口资料\MNE-sample-data\MEG\sample'
fname=data_path+'/sample_audvis-ave.fif'
evoked=mne.read_evokeds(fname,baseline=(None,0),proj=True)

在这里插入图片描述

#打印evoked
print(evoked)

在这里插入图片描述
从上面打印信息可以看到，Evoked的内容包含了4个类别的evoked数据，分别是：Left Auditory、Right Auditory、Left visual、Right visual

注意：诱发事件是一系列诱发事件的实例
通过将参数条件传递给mne.read_evokeds(),您只能读取其中一个类别。为了使本教程更简单，我们将每个实例读取到一个变量

evoked_l_aud=evoked[0]
evoked_r_aud=evoked[1]
evoked_l_vis=evoked[2]
evoked_r_vis=evoked[3]

下面我们绘制事件相关的电位/场（ERP/ERF）。默认情况下不绘制不良通道，在这里，我们明确设置了exclude参数，以红色显示不良频道。MNE-Python的所有绘图功能都会返回
图形实例的句柄。有了句柄后，我们可以自定义绘制效果

fig=evoked_l_aud.plot(exclude=(),time_unit='s')

在这里插入图片描述
下面我们将它变得更漂亮一些，仅使用MNE通道。许多mne函数都包含一个pick参数来包含频道的选择。pick_types()、mne.pick_channels()/mne.pick_channels_regexp()或可以解释为通道名称或通道类型的字符串列表，可以轻松构造这些通道索引。使用spatial_colors=True,对各个通道进行颜色编码，以显示传感器的位置----具体地说，将传感器的x、y和z位置转换为R、G和B值

evoked_l_aud.plot(spatial_colors=True,gfp=True,picks='meg')

在这里插入图片描述
注意左边的图例，这些颜色表明可能有两个不同的信号来源。从第一个数字来看，这并不明显。尝试用鼠标左键绘制斜线。它应该打开一个新的窗口，其中topomaps（头皮区域）是绘制区域的平均值。还有一个单独绘制topomaps的功能

evoked_l_aud.plot_topomap(time_unit='s')

到了这里我就不行了，一直错！！！
在这里插入图片描述

尝试修改环境变量名中文为英文，但是还是解决不了这个问题，有大佬知道怎样做的话可以指点一下我吗，我被这个问题烦了好久了

#默认情况下，topomaps是从诱发数据上平均分布的时间点绘制的
#我们也可以自己定义时间

times=np.arange(0.05,0.151,0.05)
evoked_r_aud.plot_topomap(times=times,ch_type='mag',time_unit='s')

# 或者我们可以自动选择峰值。
evoked_r_aud.plot_topomap(times='peaks', 
                          ch_type='mag', 
                          time_unit='s')

#首先，我们在一个图形中创建一组matplotlib轴，并将所有诱发数据的类别相互绘制在一起

fig,ax=plt.subplots(1,5,figsize=(8,2))
kwargs=dict(times=0.1,show=False,vmin=-300,vmax=300,time_unit='s')
evoked_l_aud.plot_topomap(axes=ax[0], colorbar=True, **kwargs)
evoked_r_aud.plot_topomap(axes=ax[1], colorbar=False, **kwargs)
evoked_l_vis.plot_topomap(axes=ax[2], colorbar=False, **kwargs)
evoked_r_vis.plot_topomap(axes=ax[3], colorbar=False, **kwargs)
for ax, title in zip(ax[:4], ['Aud/L', 'Aud/R', 'Vis/L', 'Vis/R']):
    ax.set_title(title)
plt.show()