Python MNE - 从数组中读取 EEG 数据

Question

我有以 3D numpy 数组（epoch * channel * timepoint）形式出现的 EEG 数据。 timepoint 是一个 256 个元素的数组，包含每个采样的时间点（总共 1 秒，在 256Hz 下）。 epoch 是一个实验性的试验。

我正在尝试将 numpy 数组导入 Python-MNE (http://martinos.org/mne/stable/mne-python.html) 可以理解的形式，但我遇到了一些麻烦

首先，我不确定是否应该将这些原始数据作为 RawArray 或 EpochsArray 导入。我用这个尝试了后者：

ch_names = list containing my 64 eeg channel names
allData = 3d numpy array as described above

info = mne.create_info(ch_names, 256, ch_types='eeg')

event_id = 1

#I got this from a tutorial but really unsure what it does and I think this may be the problem
events = np.array([200, event_id])  #I got this from a tutorial but really unsure what it does and I think this may be the problem

raw = mne.EpochsArray(allData, info, events=events)

picks = mne.pick_types(info, meg=False, eeg=True, misc=False)

raw.plot(picks=picks, show=True, block=True)

当我运行这个时，我得到一个索引错误：“数组索引太多”

最终我想对数据进行一些 STFT 和 CSP 分析，但现在我需要一些帮助来进行初始重组和导入 MNE。

导入此 numpy 数据的正确方法是什么，可以最轻松地完成我的预期分析？

Answer 1

有什么方法可以将您从 EEG 设置中获取的数据转换为 .fif 格式？ MNE 页面在其教程中谈到的“原始”数据格式是 .fif 格式文件。如果您可以将您的脑电图数据转换为 .fif 格式，您几乎可以按照教程一步一步来......

从各种其他 EEG 文件格式转换为 .fif 的功能：http://martinos.org/mne/stable/manual/convert.html

如果这不是一个选项，这里有一些想法：

• EpochsArray() 看起来是正确的函数，因为它需要一个具有 (n_epochs, n_channels, n_times) 形状的数据数组。为了确定，请检查 allData 数组的形状是否与 np.shape(allData) 匹配。

• 在相关说明中，EpochsArray() 的帮助页面提到了mne.read_events()，但最大的问题是您的事件数据可能存储在哪里以便您能够读取它...

  李>

• 根据您链接的教程，如果您从 .fif 文件开始，获取“事件”的方法似乎是： events = mne.find_events(raw, stim_channel='STI 014')。这让我想知道您的 numpy 阵列中是否有超过 64 个通道，而您的一个通道实际上是一个刺激通道……如果是这种情况，您可以尝试将该刺激通道馈送到 mne.read_events() 函数。或者，也许您的刺激或事件通道可能是一个单独的数组或可能未处理？

希望这至少有点帮助，祝你好运！

Answer 2

如果其他人想知道，他们在他们的文档中添加了一个教程：Creating MNE-Python data structures from scratch。您应该能够找到所需的 2 个步骤：

• info structure creation
• epochs from array creation