深度学习处理脑电数据的一般过程

最新推荐文章于 2024-02-12 03:33:06 发布

phil__naiping

最新推荐文章于 2024-02-12 03:33:06 发布

阅读量1.5k

点赞数 2

分类专栏：神经工程文章标签： tensorflow 深度学习神经网络

本文链接：https://blog.csdn.net/qq_43363657/article/details/114330185

版权

本文所参考的代码： https://github.com/vlawhern/arl-eegmodels/blob/master/examples/ERP.py

1-5预处理、过滤、分epoch数据
1、设置参数和读数据

data_path = sample.data_path()
raw_fname = data_path + '/MEG/sample/sample_audvis_filt-0-40_raw.fif'
event_fname = data_path + '/MEG/sample/sample_audvis_filt-0-40_raw-eve.fif'

2、获取raw对象、events事件、event_id标签

raw = io.Raw(raw_fname, preload=True, verbose=False)
raw.filter(2, None, method='iir')  # replace baselining with high-pass
events = mne.read_events(event_fname)

raw.info['bads'] = ['MEG 2443']  # set bad channels
picks = mne.pick_types(raw.info, meg=False, eeg=True, stim=False, eog=False,
                       exclude='bads')
event_id = dict(aud_l=1, aud_r=2, v