脑电分析系列[MNE-Python-1]| MNE-Python详细安装与使用(更新)
主要内容如下:
安装Python(推荐安装Anaconda)
安装MNE-python
下载MNE-Python中案例数据
测试是否安装成功以及简单使用
1.安装Python(推荐安装Anaconda)[这里是windows系统下的安装]
Anaconda用来管理不同版本的Python环境,可以方便地安装、更新、卸载工具包,而且安装时能自动安装相应的依赖包。同时Anaconda自带很多常用软件包以及科学计算包,比如数据分析中需要的Numpy、Pandas等,数据可视化用的matplotlib等,还有Jupyter notebook[Jupyter Notebook 是一个 Web 应用程序,支持实时代码、数学方程、可视化和 Markdown,其用途包括数据清理和转换、数值模拟、统计建模、机器学习等]。所以推荐安装Anaconda,因为它已经包含了Python以及常见要用的Python工具库。
先到官网下载:https://www.anaconda.com/distribution/
推荐安装Python3.x版本的Anaconda,因为Python2.x版本即将不被维护了,如下图。
也可以安装Python3.7以前版本的Anaconda
(即历史版本:https://repo.anaconda.com/archive/)
选择Anaconda3,因为Anaconda3代表Python3.x。
具体安装的教程请看:
https://blog.csdn.net/zyb228/article/details/103249706
安装好一定要记得配置环境
2. 安装MNE-python
在控制台中输入:
pip install -U mne
若是安装过程没出现错误,即表示安装成功,若安装出现问题,可截图在微信群或者QQ群进行提问。
3.下载MNE-Python中案例数据
据交流群中群友反应,官方MNE-Python数据下载特别慢,
这里提供了MNE-Python官方案例:MNE-sample-data下载。
下载地址:
请关注 脑机接口社区 公众号
后台回复"MNES",获取官方 MNE-sample-data(1.3G)数据,如果失效了,可以在公众号后台联系。
4.测试是否安装成功以及简单使用
先点击如左图红框中,或者在控制台输入如下右图内容回车即可。
在浏览器中会弹出Jupyter notebook的web应用,操作如下:
即可生成一个可编辑页面,在编辑页面中编辑如下代码,并点击run,如下图,
如果能出现下面结果,则表示已安装成功。
注意,需要将上述下载得到的数据存放的路径赋值给fname。具体看下面代码,我是存放在F盘的data中。
# 引入python库
import mne
from mne.datasets import sample
import matplotlib.pyplot as plt# 该fif文件存放地址
fname = 'F:/data/MNE-sample-data/MEG/sample/sample_audvis_raw.fif'"""
如果上述给定的地址中存在该文件,则直接加载本地文件,
如果不存在则在网上下载改数据
"""
raw = mne.io.read_raw_fif(fname)"""
案例:
获取10-20秒内的良好的MEG数据# 根据type来选择 那些良好的MEG信号(良好的MEG信号,通过设置exclude="bads") channel,
结果为 channels所对应的的索引
"""
picks = mne.pick_types(raw.info, meg=True, exclude='bads')
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()
"""
绘制SSP矢量图
"""
raw.plot_projs_topomap()
plt.show()
"""
绘制电极位置
"""
raw.plot_sensors()
plt.show()
不用于商业行为,转载请联系后台
若有侵权,请后台留言,管理员即时删侵!
更多阅读
脑-脑接口:人类大脑利用意念控制老鼠走迷宫
研究人员利用脑机接口可以直接预测我们的偏好
手把手教你EEG脑电数据预处理-操作篇
Python-可视化Evoked数据
投稿通道
如何让你的工作让更多人知晓和受益?
脑机接口社区就是这样一个连接学界、
企业界和爱好者的平台渠道。
社区鼓励高校实验室、企业或个人在我们平台上分享优质内容。
稿件要求
稿件系个人原创作品,若已在其他平台发表,请明确标注。
稿件一经录取,便提供稿费!
投稿通道
微信扫码,备注:投稿+姓名+单位
微信交流群,请扫码上方微信
(备注:姓名+单位+专业/领域行业)
QQ交流群:913607986
你的每一次在看,我都很在意!
脑电分析系列[MNE-Python-1]| MNE-Python详细安装与使用(更新)相关推荐
- 脑电分析系列[MNE-Python-2]| MNE中数据结构Raw及其用法简介(更新)
Raw对象主要用来存储连续型数据,核心数据为n_channels和times,也包含Info对象. 下面可以通过几个案例来说明Raw对象和相关用法. Raw结构查看: # 引入python库 impo ...
- 脑电分析系列[MNE-Python-5]| Python机器学习算法随机森林判断睡眠类型
案例介绍 本案例通过对多导睡眠图(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, ...
- 脑电分析系列 | MNE-Python汇总
1 脑电分析系列MNE-Python教程 [MNE-1]| MNE-Python详细安装与使用(更新) [MNE-2]| MNE中数据结构Raw及其用法简介(更新) [MNE-3]| MNE中数据结构 ...
- 脑电分析系列[MNE-Python-19]| 可视化Evoked数据
在前面我们介绍过Evoked的数据结构以及如何创建Evoked对象: 脑电分析系列[MNE-Python-4]| MNE中数据结构Evoked及其对象创建 Evoked potential(EP)诱发 ...
- 脑电分析系列[MNE-Python-11]| 信号空间投影SSP 应用
信号空间投影(SSP) 在前面一篇分享(脑电分析系列[MNE-Python-10]| 信号空间投影SSP数学原理)中提到,投影矩阵将根据您试图投射出的噪声种类而变化.信号空间投影(SSP)是一种通过比 ...
- 脑电分析系列 | eeglab汇总
1 脑电分析系列eeglab教程 eeglab教程系列(1)-安装教程 eeglab教程系列(2)-加载.显示数据 eeglab教程系列(3)-绘制脑电头皮图 eeglab教程系列(4)-绘制通道光谱 ...
- 脑电分析系列[MNE-Python-9]| 参考电极应用
参考电极 MNE-Python中的平均参考设置 set_eeg_reference(self, ref_channels='average',projection=False, ch_type='au ...
- 脑电分析系列[MNE-Python-10]| 信号空间投影SSP数学原理
projector(投影)和投影背景 projector(投影)(简称proj),也称为信号空间投影(SSP),定义了应用于空间上的EEG或MEG数据的线性操作. 可以将该操作看做是一个矩阵乘法,通过 ...
- 脑电分析系列[MNE-Python-2]| MNE中数据结构Epoch及其创建方法
Epoch概念简介 相信很多人第一次接触epoch时,都会有疑惑,这个词在EEG中到底指的是什么. 下面将详细说明一下. 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epoc ...
- 脑电分析系列[MNE-Python-4]| MNE中数据结构Evoked及其对象创建
Evoked结构 Evoked potential(EP)诱发电位或诱发反应是指在出现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 ...
最新文章
- 「每周CV论文」深度学习图像降噪应该阅读哪些文章
- 激光SLAM学习--移动机器人技术系列课(智东西)
- java监听窗口饮品,Java 完成部分水吧点饮品系统的:点饮品,饮品管理片段的实现...
- duapp获取mysql用户名密码等等……
- 不会玩电脑怎么学计算机,不会玩电脑怎么学
- c++软件开发面试旋极面试题_腾讯软件开发面试题(有详细解答)
- Docker三剑客之Compose
- Python中的枚举(enumerate)
- postgres复制数据库
- Android:Intent传递数据
- url参数拼接 php,js URL参数的拼接方法比较_javascript技巧
- 信息安全技术(俞承杭)期末复习
- 【三维建模】基于MATLAB的立体图形三维建模仿真
- 网络工程师面试题总结
- Java8 LocalDateTime 转时间戳 秒、毫秒
- 单独设置一页或者多页的页眉或者页脚
- EDI集成对业务的重要性
- 详解POW工作量证明原理
- 非专业网管经历的回顾之二新兵训练(一)
- 一个程序员的成长进阶路径
热门文章
- ubuntu18.04虚拟机突然不能上网问题解决办法
- python3和pip3安装和问题解决
- java.lang.IllegalStateException: Failed to load ApplicationContext,这个异常的解决方案
- 如何删除UITableView中的空单元格? [重复]
- 该应用程序可能在其主线程上做过多的工作
- 如何避免在Excel VBA中使用选择
- Android 架构组件 - 让天下没有难做的 App
- SQL用于更新ID为顺序ID(用于删除了几条数据导致id不连续)
- 编程之基础:数据类型(二)
- MVC 视图与控制器传值的几种方法