脑波和眼动连通性分析 python-(2)

博客内容涉及使用Python处理脑波数据,提取18个通道的delta、theta、alpha和beta波能量百分比,并与基线比较。讨论了各通道对应的大脑区域功能,如额叶的推理决策、颞叶的听觉记忆、顶叶的触觉信息处理和枕叶的视觉信息解读。
摘要由CSDN通过智能技术生成

先处理脑波数据
18个channel 每个channel提取delta波,theta波,alpha波,beta波在总能量的百分比,参照与baseline的百分比之差。
18个channel分别是 Fp1, Fp2, F7, F3, Fz, F4, F8, T3, C3, C4, T4, T5, P3, Pz, P4, T6, O1, O2.
他们分别是额叶,颞叶,中央,顶叶,枕叶,额叶是具有推理和决策等复杂的心理功能。由于运动区位于该部分,因此也负责计划与执行随意运动;颞叶在脑的两侧,与耳朵齐平,负责听觉和短时记忆,外侧含有专门负责言语理解的区域。其内侧的海马体,是记忆形成的关键,且与其周围区域共同在空间导航方面发挥着重要作用; 顶叶躯体感觉区位于顶叶内,负责处理身体的触觉信息。同时,顶叶负责整合不同类型的感觉信息,以产生空间意识,主要指对身体在空间内所处的意识;枕叶位于脑部后端,含有许多专门负责处理和解读视觉信息的不同区域。

import os
import pandas as pd
import numpy as np
def mkdir(path_3):
    folder = os.path.exists(path_3)
    if not folder:  # 判断是否存在文件夹如果不存在则创建为文件夹
        os.makedirs(path_3)  # makedirs 创建文件时如果路径不存在会创建这个路径
        print("---  new folder...  ---")
        print("---  OK  ---")
    else:
        print("---  There is this folder!  ---")
def ref_read_csv():
    data = pd.DataFrame(pd.read_csv(name_path + name, encoding='CP949', engine='python'))
    Delta = np.array(data['Delta'])
    Theta = np.array(data['Theta'])
    Alpha = np.array(data['Alpha'])
    Beta = np.array(data['Beta'])
    Delta_M = np.mean(Delta)
    Theta_M = np.mean(Theta)
    Alpha_M = np.mean(Alpha)
    Beta_M = np
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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