脑机接口基础学习19---救救我吧，Evoked数据可视化

在这一节的学习中，我遇到了非常大的问题
Evoked potential(EP)诱发电位或诱发反应是指出现在诸如闪光或纯音之类的刺激后，从人类或其他动物的神经系统，特别是大脑的特定部分记录的特定模式的电位。不同形式和类型的刺激会产生不同类型的电位。

诱发电位振幅往往较低，从小于1微伏到数微伏不等，而脑电图为数微伏，肌电图为毫伏，心电图通常接近20毫伏。为了在EEG、ECG、EMG等生物信号和环境噪声的背景下解决这些低幅度电位，通常需要对信号进行平均。信号被时间锁定在刺激上，大部分噪声是随机产生的，这样就可以通过对重复响应来平均掉噪声。

诱发电位（Evoked）结构主要用于存储实验期间的平均数据，在MNE中，创建Evoked对象通常使用mne.Epochs.average()来平均epochs数据来实现。
在这篇文章中，着重于mne.Evoked的绘图功能

#案例介绍：#导入工具包
import os
import os.path as op
import numpy as np
import matplotlib.pyplot as pltimport mne

'''
第一步：
从文件中读取诱发对象'''data_path=r'E:\脑机接口资料\MNE-sample-data\MEG\sample'
fname=data_path+'/sample_audvis-ave.fif'
evoked=mne.read_evokeds(fname,baseline=(None,0),proj=True)

#打印evoked
print(evoked)

从上面打印信息可以看到，Evoked的内容包含了4个类别的evoked数据，分别是：Left Auditory、Right Auditory、Left visual、Right visual

注意：诱发事件是一系列诱发事件的实例
通过将参数条件传递给mne.read_evokeds(),您只能读取其中一个类别。为了使本教程更简单，我们将每个实例读取到一个变量

evoked_l_aud=evoked[0]
evoked_r_aud=evoked[1]
evoked_l_vis=evoked[2]
evoked_r_vis=evoked[3]

下面我们绘制事件相关的电位/场（ERP/ERF）。默认情况下不绘制不良通道，在这里，我们明确设置了exclude参数，以红色显示不良频道。MNE-Python的所有绘图功能都会返回
图形实例的句柄。有了句柄后，我们可以自定义绘制效果

fig=evoked_l_aud.plot(exclude=(),time_unit='s')

下面我们将它变得更漂亮一些，仅使用MNE通道。许多mne函数都包含一个pick参数来包含频道的选择。pick_types()、mne.pick_channels()/mne.pick_channels_regexp()或可以解释为通道名称或通道类型的字符串列表，可以轻松构造这些通道索引。使用spatial_colors=True,对各个通道进行颜色编码，以显示传感器的位置----具体地说，将传感器的x、y和z位置转换为R、G和B值

evoked_l_aud.plot(spatial_colors=True,gfp=True,picks='meg')

注意左边的图例，这些颜色表明可能有两个不同的信号来源。从第一个数字来看，这并不明显。尝试用鼠标左键绘制斜线。它应该打开一个新的窗口，其中topomaps（头皮区域）是绘制区域的平均值。还有一个单独绘制topomaps的功能

evoked_l_aud.plot_topomap(time_unit='s')

到了这里我就不行了，一直错！！！

尝试修改环境变量名中文为英文，但是还是解决不了这个问题，有大佬知道怎样做的话可以指点一下我吗，我被这个问题烦了好久了

#默认情况下，topomaps是从诱发数据上平均分布的时间点绘制的
#我们也可以自己定义时间times=np.arange(0.05,0.151,0.05)
evoked_r_aud.plot_topomap(times=times,ch_type='mag',time_unit='s')

# 或者我们可以自动选择峰值。
evoked_r_aud.plot_topomap(times='peaks', ch_type='mag', time_unit='s')

#首先，我们在一个图形中创建一组matplotlib轴，并将所有诱发数据的类别相互绘制在一起fig,ax=plt.subplots(1,5,figsize=(8,2))
kwargs=dict(times=0.1,show=False,vmin=-300,vmax=300,time_unit='s')
evoked_l_aud.plot_topomap(axes=ax[0], colorbar=True, **kwargs)
evoked_r_aud.plot_topomap(axes=ax[1], colorbar=False, **kwargs)
evoked_l_vis.plot_topomap(axes=ax[2], colorbar=False, **kwargs)
evoked_r_vis.plot_topomap(axes=ax[3], colorbar=False, **kwargs)
for ax, title in zip(ax[:4], ['Aud/L', 'Aud/R', 'Vis/L', 'Vis/R']):ax.set_title(title)
plt.show()

上面几段代码都是在报这个错误，不知道为什么就是用不了plot_topomap（）
求大佬拯救！！！

脑机接口基础学习19---救救我吧，Evoked数据可视化相关推荐

脑机接口基础学习03-认识及创建Epoch
前面两篇文章一直在写Epoch,那么Epoch到底是什么东西? 概念简介:从连续的脑电图信号中提取一些特定时间窗口的信号,这些时间窗口可以称作为epochs 由于EEG是连续收集的,要分析脑电事件相关 ...
脑机接口基础学习06---机器学习算法随机森林判断睡眠类型
案例介绍本案例对多导睡眠图(Polysomnography,PSG)数据进行睡眠阶段的分类来判断睡眠类型训练:对Alice的睡眠数据进行训练测试:利用训练结果对Bob的睡眠数据进行测试,判断其睡 ...
脑机接口（BCI）的认识及EEG数据预处理介绍
一.脑-机接口概述贺斌老师介绍BCI:我们可以检测人类的大脑信号,解码其中的含义,在用这个含义去控制机器,这里的机器可以是机械臂.无人机.电脑等等.另外,我们可以把电.磁.声等信号传入到大脑里, ...
快速入门脑机接口：BCI基础(二)
关于脑机接口的分类可以查看<快速入门脑机接口:BCI基础(一)> 组成成分脑活动神经系统由两个主要部分组成:中枢神经系统和周围神经系统.大脑是中枢神经系统的主要器官,它包含约1000亿 ...
深度学习技术在脑机接口中的应用
大家好! Rose给大家分享一下深度学习技术在脑机接口中的应用. 什么是脑机接口? 脑机接口(BCI)是一种系统,可将受试者(人类或动物)的大脑活动模式提取并转换为用于交互式应用程序的消息或命令.脑活 ...
伍冬睿教授：脑机接口中迁移学习的完整流程
大家好,今天Rose分享一篇关于脑机接口中的迁移学习的完整流程.本文由华中科技大学伍冬睿教授授权分享. 关于脑机接口中迁移学习方面的研究,伍教授团队做过大量的工作.之前社区分享过<脑机接口中的流 ...
脑机接口等在线学习课堂视频分享(供下载)
由博睿康组织的"Neuracle-在线学习课堂"三场直播已经结束,相关讲座视频介绍与分享如下. 直播课程一讲师:綦宏志,天津大学精密仪器与光电子工程学院生物医学工程系副教授.綦老 ...
快速入门脑机接口：BCI基础(一)
在本模块中,将介绍脑机接口的基础知识. 定义:脑机接口是什么? 脑机接口(BCI)是允许大脑与各种机器之间进行通信的系统. 它们的工作分为三个主要步骤:收集大脑信号,对其进行解释,然后根据接收到的大脑 ...
深度学习下的脑机接口BCI究竟有多远？
BCI | ECoG | 脑机接口 LFP | CMRR | 生物计算随着生命科学.医药研发.数据分析.数据挖掘.LFP.生物计算.靶点发现.基因测序等技术的快速发展,脑科学逐渐出现在人们的视野中 ...

脑机接口基础学习19---救救我吧，Evoked数据可视化

脑机接口基础学习19---救救我吧，Evoked数据可视化相关推荐

最新文章

热门文章