CHB-MIT波士顿儿童医院癫痫EEG脑电数据处理-2D-CNN（四）

置顶 arbitrary19

已于 2022-05-23 18:44:55 修改

阅读量3.4k

点赞数 2

分类专栏： eeg脑电研究文章标签： cnn 深度学习机器学习

于 2022-05-23 14:39:25 首次发布

本文链接：https://blog.csdn.net/qq_42877824/article/details/124926582

版权

eeg脑电研究专栏收录该内容

7 篇文章 45 订阅

订阅专栏

该教程介绍了如何在Python环境下处理EDF数据，特别是针对2D-CNN的输入格式转换。首先，通过导入必要的库如numpy、pandas和mne，然后定义数据目录、时间记录和选择的通道。接着，遍历每个患者的数据文件夹，读取原始数据，应用过滤，并根据指定时间点提取特定通道的数据。最后，将处理后的数据保存为适合2D-CNN网络输入的numpy文件。整个过程未进行STFT变换，直接进行了数据转换。

摘要由CSDN通过智能技术生成

1、数据提取

本次教程做适用于整体数据集上的处理工作，以不同的的处理代码展示整体的数据处理！
本次数据处理教程是没有做STFT变换，之间将提取的数据变换为适合2D-CNN输入的数据，以适应使用2D-CNN网络完成具体任务！
文件的目录如下：把所有患者数据文件夹放入一个文件夹中。
在这里插入图片描述
1.导入包

import numpy as np
import pandas as pd
import mne
import os

2.定义变量
包括数据目录、发病时间，选择的通道等。

path = "/data_edf/"
path_time_records = "/time_recods.csv"
t = pd.read_csv(path_time_records,index_col="chb")
channel = ['FP1-F7','F7-T7','T7-P7','P7-O1','FP1-F3','F3-C3','C3-P3','P3-O1','FZ-CZ','CZ-PZ','FP2-F4','F4-C4','C4-P4','P4-O2','FP2-F8','F8-T8','P8-O2','T8-P8-1']
dirs = sorted(os.listdir(path))

3.整体数据

for dir in dirs :
    count = 0
    os.mkdir("you want to save" + "/" + dir)
    os.mkdir("you want to save" + "/" + dir)
    path_old = "you want to save" + "/" + dir  # 原始数据文件夹目录
    path_d = "you want to save" + "/" + dir # 新数据文件夹目录
    path_l = "you want to save" + "/" + dir # 新标签目录
    files = sorted(os.listdir(path_old))  # 得到文件夹下的所有文件名称
    #      file_name = "X"+ "/" + dir + ".npy"
    for file in files: #遍历文件夹

        if os.path.splitext(file)[1] == '.seizures':
            count+=1
            f = os.path.splitext(file)[0]
#             print('file name ', file + '\n'+ f)
            file_name = os.path.splitext(os.path.splitext(file)[0])[0] + ".npy"
            t_str = str(os.path.splitext(os.path.splitext(file)[0])[0])
            raw = mne.io.read_raw_edf(path_old+"/" + f,preload=True)
            edf = raw.copy().filter(0.2, 30.)
            t_idx = edf.time_as_index([t.loc[t_str, 'start'], t.loc[t_str, 'end']])
            edf.pick_channels(channel)
            x,y = repat_file(edf, t_idx)
            
            
            np.save(path_d+"/"+file_name, x)
            np.save(path_l+"/"+file_name, y)
print("#############finashed###############")