mne进行ica分析

最近在做有关的项目，根据mne文档写的内容就不写注释了。这里我用的是csv的数据直接读取。

import numpy as np
import mne
import matplotlib.pyplot as plt
from mne.preprocessing import ICA
from mne.time_frequency import tfr_morlet
import pandas as pd
from itertools import chain# Read the CSV file as a NumPy array 需要电信号
data1 = []
for i in range(1, 23):data = pd.read_csv('data.csv', usecols=[str(i)])list1 = data.values.tolist()final_list = list(chain.from_iterable(list1))data1.append(final_list)# Some information about the channels
# ch_names = []
# for i in range(1, 20):
#     ch_names.append("ch " + str(i))
ch_names=['Fz', 'FC3', 'FC1', 'FCz', 'FC2', 'FC4', 'C5', 'C3', 'C1', 'Cz', 'C2', 'C4', 'C6', 'CP3', 'CP1','CPz', 'CP2', 'CP4', 'P1', 'Pz', 'P2', 'POz']# Sampling rate of the Nautilus machine 采样频率
sfreq = 100  # Hz # Create the info structure needed by MNE
info = mne.create_info(ch_names, sfreq,ch_types='eeg') # Finally, create the Raw object
raw = mne.io.RawArray(data1, info)# #电极信息
montage = mne.channels.make_standard_montage("standard_1020")
raw.set_montage(montage)#ICA
ica = mne.preprocessing.ICA(n_components=22, random_state=97, max_iter=800)
ica.fit(raw)
ica.exclude = [1, 2，3]  # details on how we picked these are omitted here
ica.plot_properties(raw, picks=ica.exclude)
plt.show()

生成的图

mne进行ica分析相关推荐

使用mne进行脑电信号分析
点击上面"脑机接口社区"关注我们更多技术干货第一时间送达作者|有点大的青椒单位|杭州电子科技大学脑机信息混合智能实验室本篇文章主要介绍使用MNE进行脑电分析,主要包括:预 ...
Python 中MNE库去伪迹(ICA)案例的逐句解析
本文是在阅读博主zhoudapeng01的文章Python 中MNE库去伪迹(ICA)_zhoudapeng01的博客-CSDN博客_ica mne后做的一个翻译工作. 主要介绍的还是ICA,需要了解 ...
Python 中MNE库去伪迹(ICA)
脑电数据处理过程中如何去除伪迹是很重要的一个步骤,伪迹的处理主要包括眼电.心电.肌肉点以及工频干扰.实际处理过程中通过滤波0.5-45赫兹的带通滤波器可以去除掉大部分的噪音,在我接触到的实际脑电数数据 ...
fMRI独立成分分析方法（ICA）工具GIFT
软件下载连接: Software - TReNDS (trendscenter.org)https://trendscenter.org/software/下载完成后,在MATLAB中添加其路径即可. ...
针对MNE画脑电地形图出现ValueError: DigMontage is only a subset of info问题
脑电地形图的绘制对后面的ICA分析挺有用的,所以想自己学会绘制. Python中MNE库的脑电地形图绘制我是从这里面了解到可以直接用一条代码即可. 我直接用下面这条代码,就出现了ValueError: ...
【脑机接口】利用MNE进行EEG数据预处理（SEED数据集）
简单写下毕设里用到的预处理步骤数据集详细信息可查看:SEED数据集预处理分为以下6步: 数据读取坏导插值滤波+重参考去伪迹分段需要用到的python库 import numpy as n ...
脑机接口专栏 | 如何分析静息状态的fMRI数据？（三）
关注微信公众号:脑机接口研习社了解脑机接口最近进展系列文章目录脑机接口专栏 | 如何分析静息状态的fMRI数据?(一) 脑机接口专栏 | 如何分析静息状态的fMRI数据?(二) 文章目录系列文 ...
用独立分量分析分离混合信号
周围的世界是来自各种来源的信号的动态混合.就像上面图片中的颜色相互融合,产生新的色调和色调一样,我们感知的一切都是简单组件的融合.大多数时候,我们甚至都不知道我们周围的世界是如此混乱的独立过程混合.只 ...
脑电独立成分分析（independent component analysis）
相比其它成像方法,EEG更为便捷低价,无论是拿erp成分还是做时频分析,提高信噪比始终是EEG分析的重点.将ICA应用在EEG分析中,可以较好的识别并去掉眼动和其它噪音(heart beat,line ...

mne进行ica分析

mne进行ica分析相关推荐

最新文章

热门文章