728x90 반응형 SMALL Brain Engineering/MNE Python35 [MNE-Python] 원시 데이터에서 이벤트 구문 분석 (1) 원시 데이터에서 실험적 이벤트를 읽는 방법과 MNE-Python (이벤트 배열 및 주석 객체) 내에서 이벤트의 두 가지 다른 표현 사이를 변환하는 방법을 설명한다. 필요한 Python 모듈을 로드하고 입문 자습서에서 사용한 것과 동일한 예제 데이터를 로드하는 것으로 시작하지만 메모리를 절약하기 위해 RAM에 로드하기 전에 개체를 60초로 자른다. import os import numpy as np import mne sample_data_folder = mne.datasets.sample.data_path() sample_data_raw_file = os.path.join(sample_data_folder, 'MEG', 'sample', 'sample_audvis_raw.fif') raw = mne.io.. 2022. 3. 23. [MNE-Python] 내부 데이터 수정 MNE-Python의 많은 데이터 객체 (Raw, Epochs, Evoked 등)에는 데이터를 제자리에서 (선택적 또는 의무적으로) 수정하는 메서드가 있다. 이는 계산을 수행하는 데 필요한 컴퓨터 메모리의 양을 줄이기 때문에 큰 데이터 세트로 작업할 때 유리할 수 있다. 그러나 이러한 상황이 발생하고 있다는 사실을 인지하지 못하면 예기치 않은 결과가 발생할 수 있다. 내부 처리의 몇 가지 예와 이를 방지하는 방법과 시기를 제공한다. import os import mne sample_data_folder = mne.datasets.sample.data_path() sample_data_raw_file = os.path.join(sample_data_folder, 'MEG', 'sample', 'sample.. 2022. 3. 22. [MNE-Python] MEG / EEG analysis (2) Epoching continuous data 객체와 이벤트 배열은 클래스 생성자로 생성하는 객체 Raw를 생성하는 데 필요한 최소한의 것이다. 여기에서 몇 가지 데이터 품질 제약 조건도 지정한다. 피크 대 피크 신호 진폭이 해당 채널 유형에 대한 합리적인 한계를 초과하는 모든 에포크를 거부한다. 이것은 거부 사전을 사용하여 수행된다. 데이터에 있는 모든 채널 유형에 대한 임계값을 포함하거나 생략할 수 있다. 여기에 제공된 값은 이 특정 데이터 세트에 적합하지만 다른 하드웨어 또는 기록 조건에 맞게 조정해야 할 수도 있다. reject_criteria = dict(mag=4000e-15, # 4000 fT grad=4000e-13, # 4000 fT/cm eeg=150e-6, # 150 µV eog=2.. 2022. 3. 22. [MNE-Python] MEG / EEG analysis (1) Loading data MNE-Python 데이터 구조는 Neuromag의 FIF 파일 형식을 기반으로 하지만 다양한 다른 데이터 형식에 대한 판독기 기능이 있다 . MNE-Python에는 MNE-Python이 다운로드하고 관리할 수 있는 다양한 공개 데이터 세트 에 대한 인터페이스도 있다. 시청각 실험을 수행하는 한 피험자의 EEG 및 MEG 데이터와 해당 피험자에 대한 구조적 MRI 스캔이 포함된 예제 데이터세트 (" Sample " 이라고 함) 중 하나를 로드한다 . 함수는 mne.datasets.sample.data_path 데이터 세트가 예상 위치 중 하나에 없으면 자동으로 다운로드한 다음 데이터 세트의 디렉터리 경로를 반환한다 ( data_path다운로드하기 전에 확인하는 위치 목록은 설명서 .. 2022. 3. 18. MNE MNE EEGLAB는 MATLAB (및 상당한 정도로 오픈 소스 Octave 플랫폼)에서 실행되기 때문에 EEGLAB는 Python에서 기본적으로 작동하지 않는다. 따라서 Python 기반 도구 (MNE) 대신 MATLAB 기반 도구, 특히 EEGLAB을 사용하는 것이 좋다. pip install mne # 예제 데이터 세트를 다운로드 pip install mne[data] # 2D 플로팅 기능 (대부분의 EEG / ERP 또는 기타 센서 수준 분석) pip install mne matplotlib # MNE-Python의 3D 렌더링 기능이 필요한 경우 (ex. 피질 표면에 예상 소스 활동 플롯) conda create --name=mne --channel=conda-forge mne # ↑↑↑ ↑↑↑.. 2022. 3. 14. 이전 1 2 3 4 다음 728x90 반응형 LIST
