letswave教程：脑电数据图形绘制、批处理以及脚本生成

1 单主题图形生成
- 1.1 打开图形模块
- 1.2 创建子图
- 1.3 添加内容
- 1.4 设置轴参数
- 1.5 导出图形
2 多主题图形生成
- 2.1 打开图形模块
- 2.2 创建子图
- 2.3 添加内容
- 2.4 设置轴参数
3 批处理
- 3.1 数据导入
- 3.2 删除无用的通道
- 3.3 过滤
- 3.4 坏电极插值替换
- 3.5 计算ICA矩阵
- 3.6 人工识别成分
- 3.7 分段
- 3.8 重新参考
- 3.9 基线校正
- 3.10 平均
- 3.11 运行批处理
- 3.12 批处理操作的输入/输出
- 3.13 中间数据集和前缀
4 脚本生成
- 4.1 批处理脚本
- 4.2 单步操作脚本
- 4.3 轻松访问数据
- 4.4 数据导入和图形生成脚本

Hello，这里是行上行下，我是喵君姐姐~

第一期我们学习了如何用Letswave进行数据的预处理和ERP分析，包括letswave7的安装、数据集导入、预处理中常见的几种降噪方法、ICA分解、ERP分析。

第二期我们学习了如何用letswave对单个主题进行时频分析以及对多个主题进行平均和统计分析。

这一期，我们就来教大家学习如何用letswave绘制图形，以及对数据进行 批处理，并介绍其中的 脚本生成功能。

1 单主题图形生成

在对单个主题和多个主题进行分析之后，我们将在本部分中介绍ERP、时频图和topography图形生成。

在本章中，我们将显示下图的生成过程。此图显示了Pz通道上P300的ERP，其topography在332 ms上，Target和Nontarget条件下的相应时频图显示在底部面板中。

1.1 打开图形模块

首先，在rawdata1文件夹中，选择数据集：

Sub093 P300 Nontarget
Sub093 P300 Target
bl avg cwt bl reref ep_S 9 sp_filter ica chan _interp butt sel_chan sub093
bl avg cwt bl reref ep_S 10 sp_filter ica chan _interp butt sel_chan sub093

单击“ Figure-> General Figure creator ”，打开图形模块空白画布。

1.2 创建子图

1.2.1 在画布中添加一条Curve，两个Image和一个Topograph。

1.2.2 对于第二张Image和topograph，启用****colorbar。

首先，单击Content工具栏中的按钮，选择Image3中的子图并启用colorbar。

然后，在“Subfigure”中选择topograph4并启用 colorbar。

1.2.3 调整每个子图的位置

首先，单击工具栏中的Image按钮，选择“ Curve1”。将 “Title” 设置为“ P300 ”，字体大小设置为12，位置设置为x = 50，y = 340，w = 600 和 h = 250。

其次，选择Image2。将 “Title” 设置为 “ Target ”，将字体大小设置为12，并将位置设置为x = 70，y = 50，w = 250和h = 250。

接着，选择Image3。将 “Title” 设置为“ Nontarget ”，将字体大小设置为12，并将位置设置为x = 360，y = 50，w = 250和h = 250。

最后，选择 “ topograph4”。将 “Title” 设置为“ 332 ms ”，将字体大小设置为12，并将位置设置为x = 480，y = 470，w = 120和h = 120。

步骤2之后，图形将如下图所示，

1.3 添加内容

首先，单击工具栏中的 “Content” 按钮，然后在子图中选择P300。添加一条curve，其数据源为“ Sub093 P300 target ”，通道为Pz。

其次，添加一条curve，其颜色为蓝色 [0,0.45,0.74]，数据源为“ Sub093 P300 nontarget ”，通道为Pz。

然后，添加一个line，位置 X1 = 0.332，Y1 = -5，X2 = 0.332 和 Y2 = 10.8619。

接着，在子图中选择Target。将数据源设置为“ bl avg cwt bl reref ep_S 9 sp_filter ica chan_interp butt sel_chan sub093 ”，通道设置为Pz，范围从 -9 到 9，启用width，并将宽度设置为0.5，范围从0到0开始。

接下来，在子图中选择Nonarget。将数据源设置为“ bl avg cwt bl reref ep_S 10 sp_filter ica chan_interp butt sel_chan sub093 ”，通道设置为Pz，范围从 -9 到 9，启用width，并将宽度设置为0.5，范围从 0 到 0 开始。

最后，在子图中选择332 ms。将数据源设置为“ Sub093 P300 Target ”，x从0.332到0.332，head radius为0.5，shrink为0.95，范围从 -5 到 10.8619， 以使其与P300曲线的范围相同。对于电极，将size设置为8，并标记通道 Pz。

步骤3之后，该图将如下图所示，

1.4 设置轴参数

首先，单击工具栏中的axis按钮，然后在子图中选择P300。并启用figure。在内容的列表框中选择curve1，在figure中将其名称更改为Target。在内容的列表框中选择curve2，在figure中将其名称更改为NonTarget。

对于x轴，将x-lim设置为 -0.5到1.5秒，将位置更改为origin。启用标签，并将其设置为“ Time [sec] ”。对于y轴，将位置更改为origin。启用label，并将其设置为“ Amp [\ muV] ”。

其次，在子图中选择target。对于x轴，将x-lim设置为 -0.5至1.5秒，并将label设置为“ Time [sec] ”。对于y轴，将标签设置为“ Freq [Hz] ”。

然后，在子图中选择Nontarget。对于x轴，将x-lim设置为 -0.5至1.5秒，并将label设置为“ Time [sec] ”。对于y轴，将标签设置为“ \ muV ^ 2 / Hz ”。

步骤4之后，该图将如下图所示，

1.5 导出图形

到目前为止，我们已经完成了Letswave中图形的编辑。接下来，我们需要导出图形，以便在其他软件中进行进一步的编辑。

单击工具箱中的 “export the figure ” 按钮，将图形导出为eps或pdf格式。单击第二个按钮，将图形另存为“ Figure1.lw_figure ”，将文件保存在工具栏中。我们可以保存该图以便下次编辑。此外，date management可以通过更改数据源以生成新图形。

2 多主题图形生成

在本章中，我们将显示多主题分析的图形生成。

2.1 打开图形模块

首先，在rawdata1文件夹中，选择数据集

avg merge_epoch Sub001 P300 Nontarget
avg merge_epoch Sub001 P300 Target

单击“ Figure-> General Figure creator ”，以打开图形模块空白画布。

2.2 创建子图

首先，将图形的宽度和高度设置为1000和400。

其次，添加标题为P300，字体大小为12，位置x = 80，y = 70，w = 870和h = 300的curve。

然后，添加标题为0 ms，字体大小为12，位置x = 100，y = 180，w = 120和h = 120的topograph。

接着，添加标题为332 ms，字体大小为12，位置x = 230，y = 180，w = 120和h = 120的topograph。

最后，添加标题为500 ms，字体大小为12的topograph，在content面板中启用colorbar，并将位置x = 630，y = 180，w = 120和h = 120定位。

2.3 添加内容

首先，单击工具栏中的content按钮，然后在子图中选择P300。添加一条width为3的curve，数据源为“ avg merge_epoch Sub001 P300目标 ”，通道为Pz。

其次，添加一条curve，其颜色为蓝色 [0,0.45,0.74]，width 为 3，topograph为Dshed，数据源为“ Sub093 P300 nontarget ”，通道为Pz。

然后，添加一个face opacity为0.25，edge opacity为0，位置x = 0.196，y = -2，w = 0.516和h = 14的rect。并在curve1和curve2上方对rect进行排序。

接着，添加一个line，width 为 1，line style为dshed，位置X1 = 0，Y 1 = -2，X 2 = 0和Y2 = 1.2。

接下来，添加一个line，width 为 1，line style为dshed，位置X1 = 0.332，Y 1 = -2，X 2 = 0.332和Y2 = 11.3。

然后，添加一个line，width 为 1，line style为dshed，位置X1 = 0.5，Y1 = -2，X 2 = 0.5和Y2 = 2.8。

紧接着，在子图中选择0 ms。将数据源设置为“ avg merge_epoch Sub001 P300 Target ”，x从0到0，head radius为0.5，shrink为0.95，范围从 -2 到 12， 以使其与P300曲线的范围相同。对于电极，将大小设置为 8，并标记通道 Pz。

再然后，在子图中选择332 ms。将数据源设置为“ avg merge_epoch Sub001 P300 Target ”，x从0.332到0.332，head radius为0.5，shrink为0.95，范围从 -2 到 12，以使其与P300曲线的范围相同。对于电极，将大小设置为 8 ，并标记通道 Pz。

最后，在子图中选择500ms。将数据源设置为“ avg merge_epoch Sub001 P300 Target ”，将x设置为0.5到0.5，head radius设置为0.5，shrink为0.95，范围从 -2 到 12 以使其与P300曲线的范围相同。对于电极，将大小设置为8，并标记通道Pz。

步骤3之后，该图将如下图所示，

2.4 设置轴参数

首先，单击工具栏中的axis按钮，然后在子图中选择P300。并启用Box和Legend。

其次，在内容的列表框中选择curve1，在figure中将其名称更改为Target。在内容的列表框中选择curve2，在figure中将其名称更改为NonTarget。

接着，对于x轴，将x-lim设置为 -0.5 至 1.5 秒。启用 grid 和 label，将label设置为“ Time [sec] ”。

最后，对于y轴，启用grid和label，将label设置为“ Amp [\ muV] ”。

步骤4之后，该图将如下图所示。

3 批处理

在这一部分中，我们将对单个主题重新做时域分析。与上一教程中的逐步操作不同，本部分将使用批处理对数据进行分析。

注意： 在每步操作中，不需要点击 “Run”，需在所有操作处理完毕后，再点击 “Run” 运行。

3.1 数据导入

下载教程数据集，解压缩rawdata1.zip文件，共有三个文件，分别是sub093.eeg，sub093.vhdr和sub093.vmrk。

打开Matlab，在Matlab的命令窗口中输入“ letswave7 ”以打开Letswave7。将letwave的路径设置为数据集的文件夹。

在管理器模块的菜单中选择 “file->import->import EEG / MEG datafiles” ，然后将弹出导入数据对话框。按下add files按钮以添加文件sub093.eeg。

3.2 删除无用的通道

在管理器模块的数据列表中选择数据集“ sub093 ”，然后单击 “ edit”->“arrange signals”->“rearrange or delete epochs，channels，indexes”。在批处理模块中，按add all按钮以将所有通道添加到左侧列表框中。然后选择通道IO，然后按 “ delete” 按钮删除通道IO。

3.3 过滤

单击左侧的selection，然后在菜单中选择 “process- >frequency analysis and filters-> Butterworth filters”，并将low cutoff frequency（Hz） 设置为0.05Hz。

注意： 从此步骤开始，批处理中的操作将有所不同。我们从批处理模块而不是管理器模块中调用Butterworth过滤器。

3.4 坏电极插值替换

单击左侧 Butterworth filters，然后选择 “edit->electrodes->interpolate channel using neighbouring electrodes”。在 “ channel to interpolate：channels for” 列表框中选择通道P1，然后单击 “ find closest electrodes ” 按钮。

3.5 计算ICA矩阵

单击左侧chan interp， 然后选择 “ process”->“spatial filters（ICA / PCA）->compute ICA matrix ”。选择decide by user，并将组件编号设置为40。

3.6 人工识别成分

首先，单击左侧ICA，然后在批处理模块中选择 “ process”->“spatial filters（ICA / PCA）->apply ICA / PCA spatial filters”。左侧显示两个选项，即 load 和 apply filter。

其次，单击load，然后单击add并添加数据集“ ica chan_interp butt sel_chan sub093 ”。点击标签apply filter，无需在此处设置任何选项。

3.7 分段

首先，单击 apply filter，然后在批处理模块中选择 “process->epoch segmentation->segment relative to events（one file per code）”。左侧又出现了两个选项，分别是load和segmentation。

其次，单击load，然后单击add并添加数据集“ sp_filter ica chan_interp butt sel_chan sub093 ”。

接着，单击segmentation，选择事件代码S 9和S 10，并将epoch开始时间和持续时间设置为 -1 和 3。

3.8 重新参考

首先，单击segmentation，在批处理模块中选择 “process”- >“reference signals”->“reference ”。左侧又出现了两个选项卡，即load和reference。

其次，单击load，然后单击add并添加数据集“ ep_S 9 sp_filter ica chan_interp butt sel_chan sub093 ”和“ ep_S 10 sp_filter ica chan_interp butt sel_chan sub093 ”。

然后，单击该选项卡rereference，选择TP9和TP10作为新参考在左侧的列表框中，在右侧框中点击 “select all”。

3.9 基线校正

单击reference， 然后在批处理模块中选择 “process”- >“baseline ”->“baseline correction”。左侧出现baseline correction选项，保留基线校正的默认设置。

3.10 平均

首先，单击baseline correction， 然后在批处理模块中选择 “process”- >“arrange”->“compute arrange，std，median across epoch”。

左侧出现average_epoch选项。保留基线校正的默认设置。

为此，我们已经完成了分配批处理的工作。下一步骤将介绍运行批处理。

3.11 运行批处理

通过点击 “Run” 按钮，我们可以运行整个批处理。

在 “ 人工识别成分 ” 步骤中，我们仍然手动在右侧面板中以橙色选择comp 1，comp 2，然后单击OK按钮。

测试中的所有处理都需要2分钟以上的时间，其中计算ICA矩阵的步骤非常耗时。结果将与逐步操作的结果完全相同。

3.12 批处理操作的输入/输出

整个批处理过程分为四个阶段，每个阶段都有不同的颜色。每个会话都从load步骤开始。

实际上，自动添加load操作的目的是指定系统的输入数据集。在每个步骤中，必须弄清楚处理的输入和输出。在分步操作中，输入是选定的数据集，输出是添加了前缀的新数据集。

Letswave7自动添加load操作以要求用户指定输入数据集。当然用户还可以通过选择“ File-> load ” 来手动添加load操作。

3.13 中间数据集和前缀

在Letswave7中，每个步骤都会生成一个带有前缀的新数据集。有时，中间数据集没有用，但却占据了硬盘。此外，对这些中间数据集的读/写操作将很耗时。

在这种情况下，我们可以设置prefix为空，并检查了保存复选框的中间步骤的selection，butterworth filters，chan_interp，reference，baseline correction。

注意： 将前缀设置为空实际上是在替换输入数据集。请注意，一旦保存了结果，它将覆盖原始数据集。

注意： 每个会话的最终结果都需要保存。否则，所有处理都是徒劳的，因为没有结果保存在硬盘驱动器上。

由于数据集的名称已更改，因此我们需要在load操作的步骤中相应地删除错误数据集并为输入添加正确的数据集。通过单击 “Run” 按钮，批处理将比以前更快，中间数据集不再存在。

4 脚本生成

除了图形用户界面（GUI），脚本可能是Letswave7中最常用的功能。脚本为用户提供了更大的脑电图处理自由度，但是还要求用户具有更扎实的编程基础，这使得没有相关背景的研究人员难以使用。Letswave7致力于解决这个问题。

4.1 批处理脚本

在Letswave7中，系统通过运行相应的Matlab脚本来运行批处理。完成处理流程后，已经自动生成了相应的Matlab脚本。用户可以单击批处理模块中的 “ script ” 按钮以获取完整的脚本。

4.2 单步操作脚本

在批处理的每个步骤中，也可以使用右下角的 “script ” 按钮来获得用于单步操作的脚本，从而可以切实减少用户对教程的依赖。即使没有扎实的Matlab编程背景的用户也可以编写高质量的脚本来进行批处理EEG信号处理。

在Letswave7中，我们提供了具有丰富的函数库FLW_。该库中所有函数的语法都是统一的。对于操作的第一步，我们只需要定义选项，然后调用相应的FLW函数即可。

option=struct('XXX',xxx,'XXX',xxx);       lwdata= FLW_XXX.get_lwdata(lwdata,option);

该选项中的参数设置与GUI中的参数选择相同。只需注意函数的输入和输出是单个数据集还是多个数据集即可。

4.3 轻松访问数据

通过单击管理器模块右侧菜单中的“ send to workplace”，可以轻松访问每个数据集，该数据集将在Matlab工作区中显示为变量，名称为“ lwdata ”。然后，基于脚本的用户可以在Matlab中对数据集进行自己的操作。

操作后，用户还可以通过单击管理器模块右侧菜单中的“ read from workplace ”，以Letswave格式保存数据集。

同样，其他信息也很容易在其他模块中访问，例如事件信息，通道名称和有关平均值，最大值和最小值的统计结果。

4.4 数据导入和图形生成脚本

不仅批处理模块中的操作，其他操作（如数据导入和图形生成）也都可以脚本化。因此，从数据导入到预处理，时间/频率分析和统计分析，再到最终图形生成，EEG信号信号分析的整个过程可以轻松，快速地编写为脚本。

例

在这里，我们重复对P300数据集的数据分析，以演示在Letswave7中使用脚本的情况。

脚本1数据导入

将Letswave路径切换为“ rawdata1 ”。打开数据导入对话框，然后选择数据集 “ Sub093.eeg”。除了单击按钮Run之外，我们还可以单击按钮script来获取用于数据导入的脚本script1。

在Matlab中运行script1，我们还可以通过单击Run按钮直接加载数据集 “ Sub093” 。

脚本2单主题分析

打开之前保存的批处理“ P300 .lw_script ” 。除了单击按钮Run之外，我们还可以单击按钮script来获取用于单个主题分析的脚本script2。在Matlab中运行script2，我们也可以完成单主题分析。

脚本3单主题分析（已编辑）

熟悉Letswave脚本和Matlab编程后，就可以将这两个脚本组合到script3并对其进行编辑以提高效率，并更改数据集的名称以进行进一步的多主题分析。

在Matlab中运行script3，对于时域分析，我们可以得到平均结果“ Sub093 P300 Target ”和“ Sub093 P300 Nontarget ”，对时频域分析可以得到“ cwt Sub093 P300 Target ”和“ cwt Sub093 P300 Nontarget ”。

单个主题的脚本4 图形

选择数据集 “ Sub093 P300 nontarget.lw6”，“ Sub093 P300 target.lw6”，“ cwt Sub093 P300 target.lw6”，“ cwt Sub093 P300 nontarget.lw6”。我们可以按照单主题分析图形进行制作。

单击按钮script以获取用于生成图形的脚本script4。在Matlab中运行script4，我们可以得到类似的图形，但是图例的位置需要调整。

脚本5 多主题分析

Letswave的路径切换到“ rawdata2 ”，重复平均和统计分析的操作。在通过String操作进行编辑并添加for循环之后，我们可以拥有用于多主题分析的脚本script5。

在Matlab中运行script5，我们可以得到与之前多主题的平均与统计分析完全相同的结果。

总结：通过以上教程，我们学习了如何运用letswave进行图形生成、批处理以及脚本生成。

至此为止，我们关于letswave的教程就结束啦！这些只是基本的操作步骤，具体的方法和参数还是要根据自己的实验目的来设置，希望本次教程能帮助到大家~

PS: 本文首发于公众号行上行下，公众号后台回复 “Letswave” 可获得安装包、原文教程以及其他资料等内容。

排版：华华

letswave教程：脑电数据图形绘制、批处理以及脚本生成相关推荐

Letswave 教程：脑电数据预处理与叠加平均
Letswave 教程:脑电数据预处理与叠加平均 1 实验与工具介绍 2 前期准备 2.1 letswave7安装与数据集准备 2.2 数据集导入 2.3 数据集检查 3 数据预处理 3.1 通道位置 ...
letswave7中文教程1：软件安装与脑电数据导入
目录 1.安装 2.数据集介绍 3. 数据集导入 4.数据集检查本分享为脑机学习者Rose整理发表于公众号:脑机接口社区 .QQ交流群:941473018 Letswave是一款非常好用的神经生理信 ...
letswave7中文教程2：脑电数据预处理-通道位置分配
目录第1步:通道位置分配第2步:删除不良通道第3步:滤波处理第4步:坏电极插值本分享为脑机学习者Rose整理发表于公众号:脑机接口社区 .QQ交流群:941473018 原始的脑电图信号是有 ...
letswave7中文教程3：脑电数据预处理-ICA去除伪影
目录 ICA/BSS的理论与模型第5步:计算ICA矩阵第6步:识别伪影成分本分享为脑机学习者Rose整理发表于公众号:脑机接口社区 .QQ交流群:941473018 ICA/BSS的理论与模型 ...
Python协方差矩阵处理脑电数据
在本教程中,我们将介绍传感器协方差计算的基础知识,并构建一个噪声协方差矩阵,该矩阵可用于计算最小范数逆解. 诸如MNE的源估计方法需要从记录中进行噪声估计. 在本教程中,我们介绍了噪声协方差的基础知识 ...
脑电数据预处理-ICA去除伪影
‍‍‍‍‍‍‍‍‍‍ ICA/BSS的理论与模型独立成分分析(ICA)是一种盲信号分离(Blind Signal Separation,BSS)方法.ICA可线性建模如下图所示. 假设X为" ...
EEGLAB脑电数据预处理指导手册
EEGLAB脑电数据预处理指导手册 1 前期准备工作 1.1 书籍 1.2 网站 1.3 公众号 2 预处理流程 2.1 准备工作 2.2 眼电去除的标准 2.3 后续整理工作 3 叨叨几句 Hell ...
脑电分析系列[MNE-Python-21]| Python协方差矩阵处理脑电数据
今天主要介绍一下MNE中如何用协方差矩阵来处理脑电数据的. MNE中的许多方法,包括源估计和一些分类算法,都需要根据记录进行协方差估计. 在本教程中,我们将介绍传感器协方差计算的基础知识,并构建一个噪 ...
脑电分析系列[MNE-Python-18]| 生成模拟原始脑电数据
在实验中有时需要原始脑电数据来进行模拟实验,但又限于实验条件的不足,需要构造模拟的原始脑电数据. 本示例通过多次重复所需的源激活来生成原始数据. 案例介绍 # 导入工具包 import numpy a ...

letswave教程：脑电数据图形绘制、批处理以及脚本生成

letswave教程：脑电数据图形绘制、批处理以及脚本生成

1 单主题图形生成

1.1 打开图形模块

1.2 创建子图

1.3 添加内容

1.4 设置轴参数

1.5 导出图形

2 多主题图形生成

2.1 打开图形模块

2.2 创建子图

2.3 添加内容

2.4 设置轴参数

3 批处理

3.1 数据导入

3.2 删除无用的通道

3.3 过滤

3.4 坏电极插值替换

3.5 计算ICA矩阵

3.6 人工识别成分

3.7 分段

3.8 重新参考

3.9 基线校正

3.10 平均

3.11 运行批处理

3.12 批处理操作的输入/输出

3.13 中间数据集和前缀

4 脚本生成

4.1 批处理脚本

4.2 单步操作脚本

4.3 轻松访问数据

4.4 数据导入和图形生成脚本

letswave教程：脑电数据图形绘制、批处理以及脚本生成相关推荐

最新文章

热门文章