MNE学习笔记（四）：Evoked数据结构

MNE学习笔记（四）：Evoked数据结构

参考文章：

https://mp.weixin.qq.com/s/Udr0qBvspyKVjASdgL-QxQ

https://mne.tools/stable/auto_tutorials/index.html 【官方教程】

https://baike.baidu.com/item/%E8%AF%B1%E5%8F%91%E7%94%B5%E4%BD%8D/8378650?fr=aladdin

概念

Evoked potential(EP)

• 机体的自发电活动可以为直接的或外界的确定性刺激（电、光、声等刺激）所影响，产生另一种局部化的电位变化称为诱发电位。又称诱发反应、事件相关电位。

诱发电位(Evoked)结构

• 主要用于存储实验期间的平均数据，在MNE中，创建Evoked对象通常使用mne.Epochs.average()来平均epochs数据来实现。

• Evoked对象通常存储一个已经被多个epochs平均(averaged)后的EEG或者MEG信号，它是用来评估被刺激诱发的活动（stimulus-evoked activity）的一个常用技术。

• 用array存储(n_channels, n_times)

  对比Epochs对象，存储属性：n_epochs,n_channels,n_times

创建

Evoked数据结构的创建主要有两种方式

• 从Epochs对象中创建Evoked对象
• 从头创建Evoked对象

从Epochs对象中创建Evoked对象

采用read_evokeds方法来进行创建

代码：

# 从fif文件中读取诱发数据集
data_path = "D:\Data\MNE-sample-data"
fname = op.join(data_path, 'MEG', 'sample', 'sample_audvis-ave.fif')
evokeds = mne.read_evokeds(fname, baseline=(None, 0), proj=True)
print(evokeds)
# 只读取左听觉的电位数据
evoked = mne.read_evokeds(fname, condition='Left Auditory')
evoked.apply_baseline((None, 0)).apply_proj()
print(evoked)

结果：

从头创建Evoked对象

步骤：

1. 构建数据
2. 创建evoked对象

代码：

import mne
import numpy as np
import matplotlib.pyplot as plt

"""
第一步：构建数据
构建一个大小为10x5x200的三维数组，数组中数据是随机数；
第一维数据表示：10 epochs
第二维数据表示：5 channels
第三维数据表示：2 seconds per epoch
"""
# 采样频率
sfreq = 100
data = np.random.randn(10, 5, sfreq * 2)

# 创建一个info结构
info = mne.create_info(
    ch_names=['MEG1', 'MEG2', 'EEG1', 'EEG2', 'EOG'],
    ch_types=['grad', 'grad', 'eeg', 'eeg', 'eog'],
    sfreq=sfreq
)

"""
第二步：创建evoked对象
利用mne.EvokedArray创建Evoked对象
"""
# tmin:event开始前的时间，如果未指定，则默认为0，这里设为-0.1s
tmin = -0.1

# 对数据求平均
data_evoked = data.mean(0)

# epochs的数量
nave = data.shape[0]

# 给evoked起一个名称
comment = "Smiley faces"

# 利用mne.EvokedArray创建Evoked对象
evoked_array = mne.EvokedArray(data_evoked, info, tmin,
                               comment=comment, nave=nave)
print(evoked_array)
_ = evoked_array.plot(time_unit='s')
plt.show()

结果：

查看

查看的方式和之前的Epochs是类似的

代码：

# 打印evoked的信息，这个信息和Raw对象以及Epochs对象中的info很相似
print(evoked.info)
print(evoked.times)

# 查看evoked结构其他属性
print(evoked.nave)  # Number of averaged epochs.
print(evoked.first)  # First time sample.
print(evoked.last)  # Last time sample.
print(evoked.comment)  # Comment on dataset. Usually the condition.
print(evoked.kind)  # Type of data, either average or standard_error.

结果：

由于数据很长，这里只截取部分

可视化

看注释。PS：之后有时间可能会整理可视化的方法。

代码：

"""
可视化1 
快速提取并绘制全局能量谱(Global Field Power, GFP)作为跨通道的标准偏差
这里仅显示EEG
"""
gfp = evoked.copy().pick_types(eeg=True, meg=False).data.std(axis=0)
fig, ax = plt.subplots(1)
ax.plot(evoked.times, gfp / 1e6)  # scale to uV
ax.set(xlabel='Time (sec)', ylabel='GFP (uV)')
fig.tight_layout()
plt.show()

"""
可视化2 
将结果显示为蝶形图
exclude=[]：不排除不良信道(用红色显示)
"""
evoked.plot(exclude=[], time_unit='s')
plt.show()

"""
可视化3 
将结果以二维图片的形式显示 (x: time, y: channels, color: amplitude)
"""
evoked.plot_image(exclude=[], time_unit='s')
plt.show()

结果：

可视化1：

可视化2：

可视化3：

附录：完整代码

这里是从Epochs对象中创建Evoked对象的方式的完整代码：

import os.path as op
import matplotlib.pyplot as plt
import mne

# 从fif文件中读取诱发数据集
data_path = "D:\Data\MNE-sample-data"
fname = op.join(data_path, 'MEG', 'sample', 'sample_audvis-ave.fif')
evokeds = mne.read_evokeds(fname, baseline=(None, 0), proj=True)
print(evokeds)
# 只读取左听觉的电位数据
evoked = mne.read_evokeds(fname, condition='Left Auditory')
evoked.apply_baseline((None, 0)).apply_proj()
print(evoked)

# 打印evoked的信息，这个信息和Raw对象以及Epochs对象中的info很相似
print(evoked.info)
print(evoked.times)

# 查看evoked结构其他属性
print(evoked.nave)  # Number of averaged epochs.
print(evoked.first)  # First time sample.
print(evoked.last)  # Last time sample.
print(evoked.comment)  # Comment on dataset. Usually the condition.
print(evoked.kind)  # Type of data, either average or standard_error.

"""
可视化1 
快速提取并绘制全局能量谱(Global Field Power, GFP)作为跨通道的标准偏差
这里仅显示EEF
"""
gfp = evoked.copy().pick_types(eeg=True, meg=False).data.std(axis=0)
fig, ax = plt.subplots(1)
ax.plot(evoked.times, gfp / 1e6)  # scale to uV
ax.set(xlabel='Time (sec)', ylabel='GFP (uV)')
fig.tight_layout()
plt.show()

"""
可视化2 
将结果显示为蝶形图
exclude=[]：不排除不良信道(用红色显示)
"""
evoked.plot(exclude=[], time_unit='s')
plt.show()

"""
可视化3 
将结果以二维图片的形式显示 (x: time, y: channels, color: amplitude)
"""
evoked.plot_image(exclude=[], time_unit='s')
plt.show()