- 博客(21)
- 收藏
- 关注
RSS订阅原创 Python-MNE-源空间和正模型07：修复BEM和头表面
有时在创建BEM模型时，由于可能出现的一系列问题(例如，表面之间的交叉)，表面需要手动校正。在这里，我们将看到如何通过将表面导出到3D建模程序，编辑它们，并重新导入它们来实现这一点。我们还将给出一个简单的例子，说明如何使用来修复拓扑问题。本教程的大部分内容都是基于Ezequiel Mikulan的ezemikulan/blender_freesurfer。
2024-08-31 04:00:31
830
原创 Python-MNE-源空间和正模型03：自动源配准的方法
这个例子展示了如何使用coregistration函数通过脚本自动完成MEG-MRI的coregistration。一般情况下，该方法的结果与人工共配准的结果是一致的。**但一定要注意：**协同配准的质量在很大程度上取决于受试者准备过程中收集的头形点(HSP)的质量和t1加权MRI的质量。请谨慎使用并检查coregistration错误。
2024-08-30 03:23:12
1033
原创 Python-MNE-源空间和正模型02：源配准和坐标框架
对于MEG/EEG源成像，必须使用两个3D变换矩阵对三个坐标系进行对齐，这些变换矩阵定义了如何旋转和平移一个坐标系中的点到另一个坐标系中的等效位置。“meg”：meg传感器物理位置的坐标系“mri”：mri图像的坐标系，以及从mri图像中导出的头皮/颅骨/大脑表面“head”：数字化传感器位置和头皮标志的坐标系(“fiducials”)每一个的更详细信息都会在下一章讲到。可视化这些坐标系的一个方法是使用。
2024-08-30 02:54:17
2127
原创 Python-MNE-源空间和正模型01：FreeSurfer MRI重建
本教程涵盖了如何使用FreeSurfer与MNE-Python一起，来处理我们用于构建头皮、内/外颅骨和皮质表面的受试特异的解剖模型的结构项MRI数据。FreeSurfer是一个MRI数据的开源分析工具箱，可从获取。FreeSurfer提供了可视化MRI数据的图形界面、用于创建感兴趣区域ROI标签的几个解剖分区、模板大脑如fsaaverage，以及用于寻找组织边界或转换大脑以对齐不同受试的相似解剖区域等任务的几个命令行工具。这些FreeSurfer功能对于MNE-Python计算和建立相应的。
2024-08-29 03:18:47
684
原创 Python-MNE-源定位和逆问题03：使用MNE、dSPM、sLORETA和eLORETA进行源定位
在这里，我们首先读取forward solution。你可能需要为自己的数据计算一个，参考正问题的教程。在这里，我们使用peak getter将可视化移动到峰值出现的时间点，并在最大峰值顶点处画一个标记。
2024-08-25 17:10:39
1036
原创 Python-MNE-源定位和逆问题02：源定位与等效电流偶极子（ECD）
计算并可视化具有最大GOF的偶极子预测的磁场，并与测量数据进行比较，突出显示同侧源。估计在整个间隔内具有固定位置和方向(使GOF最大化的那个)的单个偶极子的时间过程。本教程展示了如何使用MNE-Python拟合一个电流偶极子。
2024-08-25 16:51:07
295
原创 Python-MNE-源定位和逆问题01：源估计（SourceEstimate）数据结构
stc是MNE-Python的一个类，表示从源估计中获得的转换的时间序列。对于两个半球，数据分别存储在和中，储存形式为的形式为一个m*n的矩阵，m是这个半球的空间位置的数量，n是时间点的个数。和对应和。这些是表面表征的位置索引。表面的坐标存储在和中，分别表示左半球和右半球。
2024-08-25 16:18:50
800
原创 Python-MNE全套教程（官网翻译）-连续数据的处理04：raw数据的内置绘图方法
本教程展示了如何将连续数据绘制为时间序列，如何绘制连续数据的谱密度，以及如何绘制存储在raw对象中的传感器位置和projectors。Ready.在前面的教程中，我们已经看到如何使用matplotlib这里详细讨论了第一个；最后两个在其他教程中简要展示并深入介绍。本教程还介绍了几种绘制raw数据频谱内容的方法。
2024-08-16 22:34:11
897
原创 Python-MNE全套教程（官网翻译）-连续数据的处理03：给连续数据做注释
本教程描述了为raw对象添加注释，并介绍了之后的数据处理中这些注释可以被有什么用。MNE-Python中的注释（annotation）是一种存储关于Raw对象时长信息的短字符串的方式。annotation是类似列表的对象，其中每个元素包含三段信息：开始时间（以秒为单位）、持续时间（以秒为单位）和描述（文本字符串）。此外，Annotations对象本身还跟踪orig_time，这是一个POSIX时间戳，表示应该解释注释开始的相对真实时间。
2024-08-16 21:55:08
844
原创 Python-MNE全套教程（官网翻译）-连续数据的处理02：events
本教程描述了events的表示方式以及如何使用events数组对数据进行选择。之前我们已经描述了从raw对象获取events数组的不同方法。由于示例数据集包括在stim通道sti014上记录的实验事件，因此我们将通过使用。
2024-08-13 10:33:25
846
原创 Python-MNE全套教程（官网翻译）-连续数据的处理01：Raw数据结构
raw对象有一个内置的save()方法，可以使用该方法将经过部分处理的raw对象作为.fif文件写入磁盘，以便稍后可以无损地重新加载它。还有其他一些方法可以从原始对象中只导出传感器数据。一种是使用索引或get_data()方法提取数据，并使用也可以将数据导出到对象中，并使用Pandas提供的保存方法。raw对象的方法与get_data()类似，它有一个用于限制导出通道的picks参数，以及时间的start和stop参数。默认情况下，times将被四舍五入到最接近的毫秒，并用作DataFrame的索引。
2024-08-12 22:32:25
833
原创 R for data science翻译笔记1.1 introduction
在《workflow: basics》、《workflow: scripts》和《workflow: projects》中，你将学习编写和组织R代码的良好实践。从长远来看，这些将为你的成功奠定基础，因为它们会给你工具，让你在处理真正的项目时保持条理。是探索过程的重要组成部分，但由于你还没有有效应用它的能力，所以一旦你掌握了更多的数据处理和编程工具，我们将在建模中再回来讨论它。是查看数据、快速生成假设、快速测试，然后不断重复的艺术。数据探索的目标是生成许多有希望的线索，我们可以稍后进行更深入的探索。
2024-08-05 21:46:15
299
原创 Python-MNE全套教程（官网翻译）-从不同的系统中读取数据02：从EEG、fNIRS、CTF、眼动仪设备导入
仅是作为导入模块，基本都非常简单，大家选择自己需要的设备类型，参考下面的特定导入函数和用法就行，无需多言。
2024-08-01 23:25:04
352
原创 Python-MNE全套教程（官网翻译）-从不同的系统中读取数据01：从MEN设备导入
如果数据是在打开MaxShield的情况下记录的，并且没有用MaxFilter处理，需要用。这是用CTF系统的操作细节，详细查看。来读取来自FieldTrip的数据。，可以从内存中构造任意数据。
2024-08-01 23:22:11
346
原创 Python-MNE全套教程（官网翻译）-入门07：使用mne.report
自定义Matplotlib图形可以通过添加。必需的参数是图形本身和标题。可以选择在图的下方添加标题，还可以指定将从图中生成的图像文件的格式，以便它可以嵌入到HTML报告中。y = x**2fig=fig,可以通过section参数将多个图形分组为单个section。方法也可以一次添加多个图片。在这种情况下，将出现一个滑块，允许用户直观地浏览图形。要做到这一点，需要提供一组图形、一个标题和一组可选的说明文字。在下面的示例中，我们将读取MNE徽标作为Matplotlib图形，并以不同的角度旋转它。
2024-08-01 23:10:37
1095
原创 Python-MNE全套教程（官网翻译）-入门06：配置MNE-python
本教程介绍如何配置MNE-Python以适应本地系统和分析首选项。
2024-07-31 22:13:05
1073
原创 Python-MNE全套教程（官网翻译）-入门05：关于传感器位置
本教程描述了如何读取和绘制传感器位置，以及MNE-Python如何处理传感器的物理位置。
2024-07-31 21:46:41
1120
原创 Python-MNE全套教程（官网翻译）-入门04：info数据结构
本教程将介绍mne.Info数据结构，它记录了各种数据的细节，并附加到Raw、Epochs和Evoked对象中。把info打出来看看nchan: 376其实，为了查看或编辑Info对象，并不一定要加载Raw对象，我们可以使用。
2024-07-31 21:07:42
1046
原创 Python-MNE全套教程（官网翻译）-入门03：从raw数据中解析events
STIM就是刺激通道，是一个不接收来自EEG, MEG或其他传感器信号的通道。STIM通道记录电压信号，通常是由实验室控制计算机发送的固定大小的方波直流脉冲，这些电压被时间锁定在实验事件上，例如刺激的开始，或受试者按下按钮等，这些脉冲有时被称为TTL脉冲、event脉冲、trigger或marker，我比较喜欢叫trigger)。直流脉冲可以全部在一个STIM通道上，在这种情况下，不同的实验事件或试验类型被编码为不同的电压方波的振幅。
2024-07-31 20:35:09
1642
原创 Python-MNE全套教程（官网翻译）-入门02：in-place修改数据
许多MNE-Python的数据对象如Raw、epoch、Evoked等都有原地修改数据的方法，它们是可选的或必须的。在处理大型数据集时，这是有利的，因为它减少了执行计算所需的计算机内存。然而，如果你没有意识到它的发生，它可能会导致意想不到的结果。这里截取数据的crop方法就是原地修改的。
2024-07-31 19:45:29
416
原创 Python-MNE全套教程（官网翻译）-入门01：概述篇
EEG源定位的第一次尝试是基于强大的先验假设，即在某个时间点只有一个源是活跃的，头部可以近似为一个球体，并且整个大脑的电导率是均匀的。这一限制已经被生理学上看似合理的假设所证明，即相邻体素的活动是相关的，但这一假设在大脑的某些区域(例如半球间裂)受到了挑战。然而，如果大脑的几个区域同时活跃，就会出现头皮电位的复杂模式，而推断潜在的来源就成为一项艰巨的任务。第一列是时间，是开始时间+采样率*秒，第二列可以忽略，第三列是你设计的值，有的时候自动探测会出错，要人工修改。raw对象有几个内置的绘图方法。
2024-07-31 19:34:02
2032
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人