脑电分析系列[MNE-Python-12]| 注释连续数据

注释连续数据(Annotating continuous data)

本案例主要介绍如何向原始(Raw)对象添加注释，以及在数据处理的后期阶段如何使用注释。

Raw:原始对象
Annotations：注释

导入工具包

import os
from datetime import datetime
import mnesample_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.read_raw_fif(sample_data_raw_file, verbose=False)
# 只截取60s的数据
raw.crop(tmax=60).load_data()

MNE-Python中的注释是一种存储关于原始对象的时间跨度的短字符串信息的方法。
注释是类似列表的对象，其中每个元素包含三部分信息:起始时间(以秒为单位)、持续时间(也以秒为单位)和描述(文本字符串)。
此外，annotation对象本身也跟踪orig_time，它是一个POSIX时间戳，表示相对于注释开始的真实时间。

通过代码创建注释

如果事先知道要注释的原始对象的跨度，可以通过编程来创建注释，甚至可以将列表或数组传递给Annotations的构造函数来同时注释多个跨度:

my_annot = mne.Annotations(onset=[3, 5, 7],duration=[1, 0.5, 0.25],description=['AAA', 'BBB', 'CCC'])
print(my_annot)

<Annotations | 3 segments : AAA (1), BBB (1), CCC (1), orig_time : None>

注意，orig_time是None，因为我们还没有指定它。在这些情况下，当您将注释添加到原始(Raw)对象时，假设orig_time与记录的第一个样本的时间相匹配，因此将设置orig_time以匹配记录的测量日期(Raw.info['meas_date'])。

raw.set_annotations(my_annot)
print(raw.annotations)# 构建事件戳
meas_date = raw.info['meas_date'][0] + raw.info['meas_date'][1] / 1e6
orig_time = raw.annotations.orig_time
print(meas_date == orig_time)

<Annotations | 3 segments : AAA (1), BBB (1), CCC (1), orig_time : 2002-12-03 19:01:10.720100>
True

由于示例数据来自Neuromag系统，该系统在记录开始之前就开始对样品编号进行计数，因此将my_annot添加到Raw对象还涉及另一个自动更改：偏移量等于第一个记录的样品的时间(raw.first_samp / raw.info [ 'sfreq'])已添加到每个注释的初始值中.

time_of_first_sample = raw.first_samp / raw.info['sfreq']
print(my_annot.onset + time_of_first_sample)
print(raw.annotations.onset)

[45.95597083 47.95597083 49.95597083]
[45.95597088 47.95597088 49.95597088]

如果知道注释的开始时间是相对于其他时间的，则可以在调用set_annotations()之前设置orig_time，然后开始时间将根据指定的orig_time与raw.info ['meas_date']之间的时差进行调整。这里我们将使用ISO 8601格式的字符串，并将其设置为比raw.info ['meas_date']晚50秒。

time_format = '%Y-%m-%d %H:%M:%S.%f'
new_orig_time = datetime.utcfromtimestamp(meas_date + 50).strftime(time_format)
print(new_orig_time)later_annot = mne.Annotations(onset=[3, 5, 7],duration=[1, 0.5, 0.25],description=['DDD', 'EEE', 'FFF'],orig_time=new_orig_time)raw2 = raw.copy().set_annotations(later_annot)
print(later_annot.onset)
print(raw2.annotations.onset)

2002-12-03 19:02:00.720100
[3. 5. 7.]
[53. 55. 57.]

上述已将注释添加到原始对象中了，可以可视化的原始对象来进行查看:

可视化原始对象

fig = raw.plot(start=2, duration=6)

这三个注释显示为不同颜色的矩形，因为它们具有不同的描述值(沿绘图区域的顶部边缘打印)。在绘图窗口底部可以看到彩色跨度出现在绘图窗口底部的小滚动条中，这有助于快速查看注释在Raw对象中的位置。

交互式注释原始对象

也可以通过在绘图窗口中单击并拖动鼠标以交互方式将注释添加到Raw对象。要做到这一点，首先进入"注释模式",将调出注释窗口。注释控件窗口：

%matplotlib auto
fig.canvas.key_press_event('a')

对注释对象的操作

只要注释对象共享相同的orig_time，就可以通过简单地用+运算符添加来组合注释对象:

new_annot = mne.Annotations(onset=3.75, duration=0.75, description='AAA')
raw.set_annotations(my_annot + new_annot)
raw.plot(start=2, duration=6)

说明：即使共享相同的描述，也可以创建重叠的注释。这在交互注释时是不可能的;
单击并拖动创建与具有相同描述的现有注释重叠的新注释，将导致新旧注释合并。

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

他们想把广告植入你的梦境

EEG伪影详解和过滤工具的汇总(二)

EEG伪影类型详解和过滤工具的汇总(一)

MNE中数据结构Epoch及其创建方法

机器学习算法随机森林判断睡眠类型

上海独创柔性脑机接口何以上榜年度AI“奥斯卡”大奖

利用脑机接口从鸟的脑电波中重现鸟唱歌声

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！