用Matlab完成“PhysioNet MI”数据集裁切、处理与存储（附完整代码）

用Matlab完成 PhysioNet MI 数据集裁切、处理与存储（附完整代码）

数据集描述（以运动想象数据为例）

数据集地址：https://physionet.org/content/eegmmidb/1.0.0/
其包含109个用户的运动想象与真实运动数据，每个用户都会执行以下四种任务：

• Task 1 = ”左拳或右拳打开或关闭，真实的运动“
• Task 2 = ”想象左拳或右拳的开合，实际不进行运动“
• Task 3 = ”左脚或右脚打开或关闭，真实的运动“
• Task 4 = ”想象左脚或右脚打开或关闭，实际不进行运动“

每个用户会按照图中顺序，进行不同的Task，共进行14轮次，数据集将轮次称为”run“。每一”run“中（除去1、2的基线”run“），数据包含对应Task的30个样本，采样率为160Hz，通道数为64。

数据集格式（以运动想象数据为例）

将数据下载完毕后，共109个文件夹，对应109名被试者的数据，如下图所示：

每个文件夹中，可以寻找到每一轮次（Run）的”.edf“数据，共14个edf文件与其对应的”.event“文件：

数据集读取（附完整代码）

这里我利用Matlab读取EEG数据，读取前需要安装EEGLab，这个网上很多教程，大家自行搜索。利用EEGLab的"pop_biosig"函数完成对应“.edf”数据的读取，如若出现报错大家记得在EEGLab中更新这个函数。
读取时只需指定对应的“subject”与“run”就可以，如读取第一个用户第三个run的数据（即读取“S001R03.edf”），代码如下：

subject = 1;
Run = 3;
Physio_data_path = '你存放数据集的路径\';
 if subject < 10
        if Run < 10
            EEG = pop_biosig([Physio_data_path, 'S00', int2str(subject), '\', ...
                 'S00', int2str(subject), 'R0', int2str(Run), '.edf']); % 将edf文件数据加载至EEGlab
            event_path = [Physio_data_path, 'S00', int2str(subject), '\'];
            filename = ['S00', int2str(subject), 'R0', int2str(Run), '.edf'];
        else
            EEG = pop_biosig([Physio_data_path, 'S00', int2str(subject), '\', ...
                 'S00', int2str(subject), 'R', int2str(Run), '.edf']); % 将edf文件数据加载至EEGlab
            event_path = [Physio_data_path, 'S00', int2str(subject), '\'];
            filename = ['S00', int2str(subject), 'R', int2str(Run), '.edf'];
        end
    elseif subject < 100
        if Run < 10
            EEG = pop_biosig([Physio_data_path, 'S0', int2str(subject), '\', ...
                 'S0', int2str(subject), 'R0', int2str(Run), '.edf']); % 将edf文件数据加载至EEGlab
            event_path = [Physio_data_path, 'S0', int2str(subject), '\'];
            filename = ['S0', int2str(subject), 'R0', int2str(Run), '.edf'];
        else
            EEG = pop_biosig([Physio_data_path, 'S0', int2str(subject), '\', ...
                 'S0', int2str(subject), 'R', int2str(Run), '.edf']); % 将edf文件数据加载至EEGlab
            event_path = [Physio_data_path, 'S0', int2str(subject), '\'];
            filename = ['S0', int2str(subject), 'R', int2str(Run), '.edf'];
        end
    else
        if Run < 10
            EEG = pop_biosig([Physio_data_path, 'S', int2str(subject), '\', ...
                 'S', int2str(subject), 'R0', int2str(Run), '.edf']); % 将edf文件数据加载至EEGlab
            event_path = [Physio_data_path, 'S', int2str(subject), '\'];
            filename = ['S', int2str(subject), 'R', int2str(Run), '.edf'];
        else
            EEG = pop_biosig([Physio_data_path, 'S', int2str(subject), '\', ...
                 'S', int2str(subject), 'R', int2str(Run), '.edf']); % 将edf文件数据加载至EEGlab
            event_path = [Physio_data_path, 'S', int2str(subject), '\'];
            filename = ['S', int2str(subject), 'R', int2str(Run), '.edf'];
        end
    end

读取完毕后，观察数据集结构：

其主要包含以下我们需要的数据：

• data：64通道EEG数据
• event = 包含数据的标签、每个trial的起始与结束时间指示（cue）

接下来，使用Matlab读取对应的“data”，并完成滤波、降采样、裁切与标签的制作：

%% 设置参数
left_cut = 0; % 左裁切大小
right_cut = 349; % 右裁切大小
down_rate = 100; % 设置降采样率
low_f = 5; % 设置下滤波频率
high_f = 40; % 设置滤波截止频率
%%

cnt_data = EEG.data; % CNT数据

% 将数据加载成EEGLab格式
train_EEG = pop_importdata('setname','train', ...
    'data', cnt_data, ...
    'dataformat', 'array', ...
    'srate', 160, ...
    'nbchan', 64);

train_EEG = pop_reref(train_EEG, []); % 进行平均参考
train_EEG = pop_eegfilt(train_EEG, 5, 40); % 进行FIR滤波
train_EEG = pop_resample(train_EEG, down_rate); % 进行降采样
event = EEG.event; % 包含label、起始cue

for i = 1:size(event,2)
    cue(i,1) = event(i).latency;
    cnt_label(i,1) = event(i).edftype;
end

cue = round(cue*(10/16));

% 数据裁切
cnt_train = train_EEG.data; % cnt数据合并
trial = size(cue, 1); % 数据集中的trial数目
count = 0;
for tr = 1:trial
    if cnt_label(tr) == 1 || cnt_label(tr) == 2
        count = count + 1;
        I = cnt_train(:, (cue(tr) - left_cut) : (cue(tr) + right_cut));
        cnt_subject(count, :, :) = I; % 用户的cnt数据 格式为：[trial, channel, samplepoints]
    end
end

indices = cnt_label ~= 3; % 找出为3的索引
cnt_label = cnt_label(indices); % 删除索引为3的行

最后，完成数据的存储：

save_path =  '你设置的保存路径\'
cnt_save_name = ['data_', 'MI']; % cnt数据保存名称
label_save_name = ['label_', 'MI']; % label数据保存名称
eval([cnt_save_name,'=data_subject_MI',';']); % 将字符串转换为matlab可执行语句
eval([label_save_name,'=label_subject_MI',';']); % 将字符串转换为matlab可执行语句
save([save_path,'\data_', 'MI','.mat'],['data_', 'MI']);
save([save_path,'\label_', 'MI','.mat'],['label_', 'MI']);