MNE读取竞赛数据集gdf格式脑电数据，并简单可视化

MNE是用于探索、可视化和分析人类神经生理学数据的开源 Python 包
这里使用的数据集为BCI CompetitionIV(2008)中的数据集2a。数据集文件如下图：
使用mne.io.read_raw_gdf()读取，具体参数设置见官网：https://mne.tools/stable/generated/mne.io.read_raw_gdf.html#examples-using-mne-io-read-raw-gdf

1.读取数据

import mne
import matplotlib.pyplot as plt
input_fname = 'BCI_data/BCICIV_2a_gdf/A01E.gdf'  # 选取01E文档
# 通道名称映射
mapping = {
    'EEG-Fz': 'eeg',
    'EEG-0': 'eeg',
    'EEG-1': 'eeg',
    'EEG-2': 'eeg',
    'EEG-3': 'eeg',
    'EEG-4': 'eeg',
    'EEG-5': 'eeg',
    'EEG-C3': 'eeg',
    'EEG-6': 'eeg',
    'EEG-Cz': 'eeg',
    'EEG-7': 'eeg',
    'EEG-C4': 'eeg',
    'EEG-8': 'eeg',
    'EEG-9': 'eeg',
    'EEG-10': 'eeg',
    'EEG-11': 'eeg',
    'EEG-12': 'eeg',
    'EEG-13': 'eeg',
    'EEG-14': 'eeg',
    'EEG-Pz': 'eeg',
    'EEG-15': 'eeg',
    'EEG-16': 'eeg',
    'EOG-left': 'eog',
    'EOG-central': 'eog',
    'EOG-right': 'eog'
}
raw = mne.io.read_raw_gdf(input_fname)
raw.set_channel_types(mapping)  # 这里我进行了一步映射，如果不映射会显示无法将EEG与EOG区分开

显示脑电数据的信息

print(raw)
print(raw.info)

如果不进行映射，打印的结果如下：

<RawGDF | A01E.gdf, 25 x 687000 (2748.0 s), ~29 kB, data not loaded>
<Info | 7 non-empty values
 bads: []
 ch_names: EEG-Fz, EEG-0, EEG-1, EEG-2, EEG-3, EEG-4, EEG-5, EEG-C3, EEG-6, ...
 chs: 25 EEG
 custom_ref_applied: False
 highpass: 0.5 Hz
 lowpass: 100.0 Hz
 meas_date: 2005-01-19 12:00:00 UTC
 nchan: 25
 projs: []
 sfreq: 250.0 Hz

可以看到chs那里把EOG通道也归到EEG通道中了，正确结果应为下面打印的：

<RawGDF | A01E.gdf, 25 x 687000 (2748.0 s), ~29 kB, data not loaded>
<Info | 7 non-empty values
 bads: []
 ch_names: EEG-Fz, EEG-0, EEG-1, EEG-2, EEG-3, EEG-4, EEG-5, EEG-C3, EEG-6, ...
 chs: 22 EEG, 3 EOG
 custom_ref_applied: False
 highpass: 0.5 Hz
 lowpass: 100.0 Hz
 meas_date: 2005-01-19 12:00:00 UTC
 nchan: 25
 projs: []
 sfreq: 250.0 Hz
>

显示前10秒所有的脑电信号

plt.figure(figsize=(10, 8))
raw.plot(duration=10, n_channels=25, scalings='auto')
plt.show()

结果如图：

60HZ下的psd

raw.plot_psd(fmax=60)
plt.show()

结果如下图：（我觉得这个绘制的有点问题，通道数不明显，有懂得可以讨论一下）

获取10-20秒内良好的eog数据

# 方法一
picks = mne.pick_types(raw.info, eog=True, exclude='bads')  # 换成eeg即可显示eeg数据
t_idx = raw.time_as_index([10., 20.])
data, times = raw[picks, t_idx[0]:t_idx[1]]
plt.plot(times, data.T)
plt.title("Sample channels")
plt.show()
# 方法二
sfreq = raw.info['sfreq']
data, times = raw[22:25, int(sfreq*10):int(sfreq*20)]
plt.plot(times, data.T)
plt.title("Sample channels")
plt.show()

结果如下图所示：
方法一：

方法二：