使用python读取CHB_MIT数据集的 .edf文件

最新推荐文章于 2023-11-03 14:38:43 发布
最新推荐文章于 2023-11-03 14:38:43 发布
阅读量6.5k 收藏 39
点赞数 6
分类专栏： 写paper遇到的问题 文章标签： EEG
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_43240818/article/details/87551326
版权

使用python读取CHB_MIT数据集的 .edf文件

在使用EEG信号做癫痫方面的分类问题或者预测问题中，可能刚接触机器学习的小伙伴还不会使用matlab工具，那么我们就看一下怎么使用python来读取这些数据吧，在具体的信息大家可以查看api。

1.安装mne： pip install mne==0.11.0

2.读取文件数据并转换为numpy格式或者pandas格式

from mne.io import RawArray, read_raw_edf
rawEEG = read_raw_edf('文件路径')
#选择读取具体通道数据
rawEEG.pick_channels(['STI 014'])
#除了指定的通道不读取
rawEEG.drop_channels(['STI 014'])
#将读取的数据转换成pandas的DataFrame数据格式
tmp = rawEEG.to_data_frame()
#转换成numpy的特有数据格式
tmp = tmp.values
没有毅力的小懒虫
关注
  • 6
    点赞
  • 踩
  • 39
    收藏
    觉得还不错? 一键收藏
  • 9
    评论
专栏目录
CHB-MIT波士顿儿童医院癫痫EEG脑电数据处理-2D-CNN（四）repat_file模块代码，数据提取与数据分块
05-23
CHB-MIT波士顿儿童医院癫痫EEG脑电数据处理-2D-CNN（四）repat_file模块代码，数据提取与数据分块，适用于2D-CNN神经网络模型输入。
CHB-MIT数据预处理（一）
weixin_66157944的博客
10-31 635
这个数据集原始数据是edf格式，先把它转化成mat格式！
EDF存储说明
qq_15144883的博客
06-21 1279
EDF文件包括【文件头信息】和【数据存储区域】，其中，【文件头信息】又分为两部分，【文件头前半部分】和【文件头后半部分】。现在我们假设需要存储4个通道的数据，数据通道名称分别是PPG、EEG、ECG、HR，采样频率分别是100Hz、20Hz、3Hz、3Hz，记录时长100秒，存储软件1秒存一次数据。8字节ASCII码：记录头的字节数 ，此部分记录了文件头数据的总长度，总长度=256+256*通道数量=256+256*4=1280（公式中第一个256是文件头前半部分，第二个256是各个通道的相关参数）
脑电数据-EDF文件和TRC文件格式介绍
Erhu_666的博客
08-11 799
脑电数据-EDF文件和TRC文件格式介绍
EDF文件格式/规格说明
teresa_zp的专栏
08-11 6093
然后紧接着前面256个字节后面是每个信号通道的256字节信息，用来描述信号的类型（如EEG、体温、等），幅度标尺和每个数据记录的采样点个数（通过一个数据记录的时限就可以得出采样频率）。数字信号的极值表示着物理信号的范围。接着记录头，每一个数据记录包含了一定时间段长度（以秒为单位的）的信号，每个信号的采样点数在记录头中都有描述，以便于减小数据的尺寸和适应软件在获取、处理和绘制多道信号图形的一般性应用，每个采样点的数据对应两个连续字节的整型。ns*8字节ASCII码：ns*nr 一个数据记录的采样点数。...
EEG | CHB-MIT癫痫数据集CNN分类实战（一）
Always learn from the best.
01-09 7375
CHB-MIT癫痫数据集CNN分类实战
EEG.rar_EDF读取_EEG EDF_EEG脑电edf文件_癫痫数据_脑电波edf文件
07-15
脑电图获取EDF文件之后，对脑电图进行读取，进行数据分析，用于进行癫痫检测。
CHB-MIT数据描述.pdf
06-17
这个是CHB-MIT脑电信号数据对应的格式、标记、脑电通道等的描述分析，可以帮助使用这个数据库的人对各个通道信号有个大致的理解，请大家下载哈哈
xlav_app_20231025_jbun.apk.1
最新发布
12-29
xlav_app_20231025_jbun.apk.1
chb_reduce_memory.py
11-10
对pandas的dataframe格式数据进行优化，改变其中的数据类型
CNNs-on-CHB-MIT:该项目是关于将CNN应用于CHB-MIT的EEG数据以预测癫痫发作
05-24
CNNs-CHB-MIT 该项目是关于将CNN应用于来自CHB-MIT的EEG数据以预测癫痫发作。 这是UNIVERSITA DI CAMERINO分配给计算机科学学士学位的小组项目。 该项目的目的是尝试复制论文中获得的结果： 该算法包括创建数据的频谱图，然后将它们与CNN模型一起使用以预测癫痫发作。 有关更多信息，请参见和 。 这两个文件分别是意大利语的作品介绍和关系。 入门 先决条件 在该项目中，anaconda用于管理软件包。 所需包装： keras 2.2.2 python 3.6.6 张量流1.10.0 matplotlib 麻木 pyedflib 科学的 为了评估网络，进行培训和测试，GPU用于快速评估。 通过使用CPU，训练时间比使用GPU慢得多。 GPU所需的软件包： 张量流 对于GPU的使用，此链接对于安装Ubuntu 18.04 LTS的所有驱
matlab环境配置、读取edf文件数据
风
09-08 2632
EEGLAB安装、EDF数据导入、EEG预处理（Matlab）
CHB-MIT波士顿儿童医院癫痫EEG脑电数据处理（二）
AI_DOG的博客
05-23 4415
主要内容1、数据提取2、制作数据样本-数据分快3、过程展示 1、数据提取 本次教程以chb01患者的数据为例： 首先提取该患者的eeg数据： 在数据提取中就完成滤波：（0~50Hz） from mne import Epochs, pick_types, events_from_annotations from mne.io import concatenate_raws from mne.io import read_raw_edf from mne.datasets import eegbci impo
波士顿儿童医院CHB-MIT癫痫数据集预处理-提取发作时间
weixin_44902962的博客
02-20 3436
提取波士顿儿童医院CHB-MIT数据集的发作时间
CHB-MIT波士顿儿童医院癫痫EEG脑电数据处理-2D-CNN（四）
AI_DOG的博客
05-23 3322
主要内容1、数据提取2、提取过程 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！ 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。 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 = "/home/R_niu/workspace/data/data_edf/" path_time_records = "/h
edf文件导出
qq_42712308的博客
11-09 1635
1、把需要生成网表模块文件set as top 。 2、设置project setting如下，     Options中将-flatten_hierarchy设为full，意思是模块综合后的层次结构全部为平级，只剩下顶层，这样产生的网表文件就不易被查看到层级关系了，可详见UG901的第11页，这里选择默认的rebuilt模式，网上推荐选择full导致导致生成的edf文件识别失败。...
vivado生成网表文件edf
wobushiwangqian的博客
11-21 2366
Ivivado生成网表文件edf，mplementation失败
c++ edf文件的读取与存储
weixin_42827083的博客
06-11 2580
EDF文件简介 EDF，全称是 European Data Format，是一种标准文件格式，用于交换和存储医疗时间序列。 该格式文件能够存储多通道的数据，允许每个信号拥有不同的采样频率。 在内部，它包括标题和一个或多个数据记录。标题包含一些一般信息（患者标识，开始时间…等等）以及每个信号的技术规格（校准，采样率，过滤，…等等），编码为 ASCII 字符。数据记录包含小端 16 位整数的样本。因此，EDF 也是多导睡眠图（PSG）录音的流行格式。 读取EDF软件推荐与资源 读取edf文件有Polyman和E
欧洲数据格式----EDF+的格式释义及与BDF的区别
teresa_zp的专栏
11-03 1518
（见第2.2.4节）。标头中的“每个数据记录中的样本数（nr of samples in each data record）”字段指定该“EDF Annotations”信号在每个数据记录中占多少2字节整数。8：极端情况下，若每个普通信号在每个数据记录中仅占用一个样本，或文件是不连续的（EDF+D），则将“数据记录的持续时间（duration of a data record）”指定为 0。如果数据记录包含“普通信号（ordinary signals）”，则每个数据记录的开始时间必须是其信号的开始时间。
读取chb-mit数据集并进行1hz—50hz的带通滤波的python代码
09-21
### 回答1： 以下是读取chb-mit数据集并进行1Hz-50Hz带通滤波的Python代码： ```python import numpy as np import pyedflib # 定义滤波函数 def butter_bandpass_filter(data, lowcut, highcut, fs, order=5): nyq = 0.5 * fs low = lowcut / nyq high = highcut / nyq b, a = signal.butter(order, [low, high], btype='band') y = signal.lfilter(b, a, data) return y # 读取EDF文件 f = pyedflib.EdfReader("filename.edf") # 获取信号通道数量 n = f.signals_in_file # 获取采样频率 fs = f.getSampleFrequency(0) # 获取信号长度 sig_len = f.getNSamples()[0] # 创建一个数组来存储所有通道信号 signals = np.zeros((n, sig_len)) # 将每个通道的信号读取到数组中 for i in range(n): signals[i, :] = f.readSignal(i) # 关闭EDF文件 f.close() # 将每个通道的信号进行带通滤波 filtered_signals = np.zeros((n, sig_len)) for i in range(n): filtered_signals[i, :] = butter_bandpass_filter(signals[i, :], 1, 50, fs) # 输出滤波后的信号 print(filtered_signals) ``` 在这段代码中，我们使用了pyedflib库来读取EDF文件，获取信号通道数量、采样频率和信号长度。然后我们创建了一个数组来存储所有通道的信号，并使用一个循环来将每个通道的信号读取到数组中。接下来，我们定义了一个带通滤波函数`butter_bandpass_filter()`，并将它应用到每个通道的信号上，以获得1Hz-50Hz的带通滤波信号。最后，我们将滤波后的信号打印出来。 ### 回答2： 要读取chb-mit数据集并进行1Hz到50Hz的带通滤波，可以使用Python中的`pyEDFlib`库来读取EDF文件，并使用`scipy`库中的`butter`函数来设计带通滤波器。 首先，需要安装相应的库。在命令行中运行以下命令来安装所需的库： ``` pip install pyEDFlib scipy ``` 然后，将以下代码保存为一个Python文件，比如`bandpass_filter.py`： ```python import pyedflib from scipy import signal import numpy as np def bandpass_filter(filename): # 打开EDF文件 edf_file = pyedflib.EdfReader(filename) # 获取信号的通道数 num_channels = edf_file.signals_in_file # 获取信号的采样频率 sample_rate = edf_file.getSampleFrequency(0) # 设计带通滤波器 lowcut = 1.0 # 低截止频率1Hz highcut = 50.0 # 高截止频率50Hz nyquist_freq = 0.5 * sample_rate low = lowcut / nyquist_freq high = highcut / nyquist_freq b, a = signal.butter(1, [low, high], btype='band') # 循环读取每个信号的数据 filtered_data = [] for channel in range(num_channels): # 读取信号数据 signal_data = edf_file.readSignal(channel) # 对信号进行带通滤波 filtered_signal = signal.lfilter(b, a, signal_data) # 将过滤后的信号添加到结果列表中 filtered_data.append(filtered_signal) # 关闭EDF文件 edf_file.close() # 将结果转换为NumPy数组 filtered_data = np.array(filtered_data) return filtered_data # 用法示例 filename = 'path_to_your_edf_file.edf' filtered_data = bandpass_filter(filename) print(filtered_data.shape) # 输出过滤后的数据形状 ``` 上述代码首先导入了所需的库，然后定义了一个名为`bandpass_filter`的函数，该函数接受一个EDF文件名作为参数，并返回带通滤波后的数据。函数首先打开EDF文件，获取信号的通道数和采样频率。然后，通过使用`scipy`库中的`butter`函数设计一个一阶带通滤波器，并将截止频率转换为归一化频率。接下来，函数循环读取每个信号的数据，对其进行带通滤波，然后将过滤后的信号添加到结果列表中。最后，函数关闭EDF文件，并将结果转换为NumPy数组后返回。 在使用时，您需要将`filename`替换为您要读取的EDF文件的路径。运行代码时，将打印出过滤后的数据的形状。 ### 回答3： 要读取chb-mit数据集并进行1Hz至50Hz的带通滤波，可以使用Python的信号处理库SciPy来实现。以下是一个示例代码： ``` import numpy as np from scipy.io import loadmat from scipy import signal # 读取chb-mit数据集 data = loadmat('chb-mit-data.mat')['data'] # 定义滤波器的频率范围 lowcut = 1 highcut = 50 fs = 256 # 数据采样率 # 计算滤波器的通带参数 nyquist = 0.5 * fs low = lowcut / nyquist high = highcut / nyquist # 定义滤波器系数 b, a = signal.butter(4, [low, high], btype='band') # 对每个信号进行滤波 filtered_data = np.zeros_like(data) for i in range(data.shape[0]): filtered_data[i, :] = signal.lfilter(b, a, data[i, :]) # 打印滤波后的结果 print(filtered_data) ``` 在上述代码中，我们首先使用`loadmat`函数从.mat文件中读取chb-mit数据集，然后通过SciPy的`signal.butter`函数设计一个4阶的带通滤波器。接下来，我们使用`signal.lfilter`函数对每个信号进行滤波，并将结果存储在`filtered_data`数组中。最后，我们打印滤波后的结果。 请注意，上述代码中的文件名`'chb-mit-data.mat'`应替换为实际的数据文件名，并且可能需要根据数据集中的信号数进行一些适应性调整。这只是一个简单的示例，您可能需要根据您的具体需求进行更多的处理和调整。

“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 9
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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