脑电数据预处理

1.导入数据、通道

        首先安装好在matlab中加入文件夹eeglab,在命令行窗口输入eeglab,进入eeglab页面。如图所示:

在这里插入图片描述

        导入.edf格式的脑电数据,在File->Import data->Using EEGLAB fuctions and plugins->From EDF下进行操作,如图所示:
在这里插入图片描述
        在导入数据后,导入通道,在Edit->Channel locations下进行操作,如图所示:

此处使用的是66导联的脑电数据,可直接使用默认的导入格式即可

在这里插入图片描述

        导入后我们可以看到相关的参数信息,同时可以画出其2-D图

在这里插入图片描述

此处使用的是128导联的脑电数据,需要导入自己的参数,系统并未给予128导联的相关导入,在Read locations 中导入自定义的.loc或者.xyz文件等,详细信息可以点击Read locs help进行查看。

在这里插入图片描述

        在导入自定义参数后坐标若出现问题可进行调整。如下图坐标方向出现问题

在这里插入图片描述

        我们可以在Transform axes输入TMP=X;X=-Y;Y=TMP进行坐标信息的调整。

在这里插入图片描述

调整后的坐标系如下图所示:

在这里插入图片描述

2.进行去除导联以及选择参考电极

        在Edit->select data->Channel range下进行操作,注意勾选上on->remove these,如图所示,去除眼电和CB1、CB2。

在这里插入图片描述

        选择参考电极,在Tools->Re-refenrences下进行操作,如图所示:

在这里插入图片描述

3.进行滤波

        在Tools->Filter the data->Basic FIR filter下的
                 Lower edge of the frequency pass band
                 Higer edge of the frequency pass band
        下进行,滤波最好分开来滤

        进行4Hz低通滤波

在这里插入图片描述

        进行70Hz高通滤波

在这里插入图片描述

3.去除基线漂移

        在Tools->Remove baseline下进行操作,如图所示:点击ok即可。

在这里插入图片描述

4.进行ICA操作(独立成分分析)

        在Tools->Run ICA下进行操作,如图所示:点击ok即可。(一般ICA操作时间较长,请耐心等待。)

在这里插入图片描述

查看原始图像,在Plot->Channel data下进行查看,如图所示:

在这里插入图片描述

查看ICA跑完后图像(ICA weighes:YES),在Plot->Component activation下进行查看,如图所示:

在这里插入图片描述

5.去除伪影,删除成分

        在Tools->Remove componenents下进行,如图所示:34导处,在106s-107s之间有一处伪影。

在这里插入图片描述

        删除34成分分析,并观看删除后的图像。观察106s-107s,并没有过多的去除有效成分。

在这里插入图片描述

在这里插入图片描述

在这里插入图片描述

        去除伪影,删除某一个时间段的数据,在Edit->Select data下进行(要勾选上on->remove these),如图所示:去除106-107s的数据。

在这里插入图片描述

6.保存数据,导入修改后的数据

保存数据:在File->Save current dataset(s) 下进行操作。
导入操作过的数据(.set文件):在File->load existing dataset下进行操作。

  • 7
    点赞
  • 34
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
脑电数据的预处理是为了去除噪声、伪迹和其他干扰,以提取出有效的脑电信号。在Python中,可以使用多种库和工具进行脑电数据的预处理,下面介绍一些常用的方法。 1. 导入库和数据:首先,你需要导入一些常用的库,如numpy、scipy和matplotlib,并加载你的脑电数据。可以使用一些库(如mne)来读取常见的脑电数据格式(如EDF、BDF等)。 2. 去除噪声:去除噪声是预处理的关键步骤之一。常用的方法包括滤波和去伪迹。滤波可以使用数字滤波器(如Butterworth滤波器)来去除低频和高频噪声。去伪迹可以通过一些算法(如平均参考、CAR参考等)来减少电极间的共模噪声。 3. 剔除伪迹:伪迹是由于运动或其他干扰引起的数据畸变。可以使用运动估计算法(如ICA)来识别和剔除这些伪迹。 4. 修正偏移:脑电信号可能存在偏移,即信号整体上升或下降。可以通过减去信号均值或进行基线校正来修正偏移。 5. 降采样:对于长时间的脑电数据,可以考虑将数据进行降采样,以减少计算负担。 6. 分割数据:根据实验设计,可以将脑电数据分割成不同的试验段或事件段,以便进一步分析。 这只是脑电数据预处理的一些基本步骤,具体的方法和流程可能会根据数据类型和研究目的而有所不同。你可以根据实际需求选择适合的方法和工具进行预处理。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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