#准备数据
import numpy as npimport mne
from mne import io
from mne.datasets import sampledata_path = sample.data_path()raw_fname = data_path + '/MEG/sample/sample_audvis_filt-0-40_raw.fif'
event_fname = data_path + '/MEG/sample/sample_audvis_filt-0-40_raw-eve.fif'
tmin, tmax = -0., 1
event_id =dict(aud_l=1, aud_r=2, vis_l=3, vis_r=4)raw =io.Raw(raw_fname, preload=True, verbose=False)
# 函数原型
def pick_types(info, meg=True, eeg=False, stim=False, eog=False, ecg=False,emg=False, ref_meg='auto', misc=False, resp=False, chpi=False,exci=False, ias=False, syst=False, seeg=False, dipole=False,gof=False, bio=False, ecog=False, fnirs=False, csd=False,include=(), exclude='bads', selection=None):
  • 这个函数是mne里的API,第一个参数是raw对象的info,默认meg=True,meg的通道范围是0-305
picks=mne.pick_types(raw.info)[  0   1   2   3   4   5   6   7   8   9  10  11  12  13  14  15  16  1718  19  20  21  22  23  24  25  26  27  28  29  30  31  32  33  34  3536  37  38  39  40  41  42  43  44  45  46  47  48  49  50  51  52  5354  55  56  57  58  59  60  61  62  63  64  65  66  67  68  69  70  7172  73  74  75  76  77  78  79  80  81  82  83  84  85  86  87  88  8990  91  92  93  94  95  96  97  98  99 100 101 102 103 104 105 106 107108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233234 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250 251252 253 254 255 256 257 258 259 260 261 262 263 264 265 266 267 268 269270 271 272 273 274 275 276 277 278 279 281 282 283 284 285 286 287 288289 290 291 292 293 294 295 296 297 298 299 300 301 302 303 304 305]
  • 当我们需要EEG数据时,要显示化meg=False
picks=mne.pick_types(raw.info,meg=False,eeg=True)
print(picks)[315 316 317 318 319 320 321 322 323 324 325 326 327 328 329 330 331 332333 334 335 336 337 338 339 340 341 342 343 344 345 346 347 348 349 350351 352 353 354 355 356 357 358 359 360 361 362 363 364 365 366 368 369370 371 372 373 374]
  • 当我们需要stim数据时,要显示化stim=True
picks = mne.pick_types(raw.info, meg=False, eeg=False, stim=True)
print(picks)[306 307 308 309 310 311 312 313 314]
  • 注意这个EEG通道里包括stim通道,使用哪个通道就将哪个参数设置为True

pick_types()函数及参数 meg eeg stim eog ecg相关推荐

  1. 基于EEG/EMG/EOG的多模态人机接口,实时控制软机器人手

    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 ‍‍‍ 脑机接口(BCI)技术在运动康复治疗应用中有非常大的潜力,它可以利用神经可塑性来恢复运动功能,提高中风患者者的生 ...

  2. Go 学习笔记(15)— 函数(01)[函数定义、函数特点、多值返回、实参形参、变长参数,函数作为参数调用]

    1. 函数定义 Go 语言最少有个 main() 函数.函数声明告诉了编译器函数的名称,返回类型和参数. func funcName(parameter_list)(result_list) {fun ...

  3. python函数用法详解2(变量的作用域(全局变量、局部变量)、共享全局变量、函数返回值、函数的参数(位置参数、关键字参数、默认参数、不定长参数)、拆包、交换变量值、引用、可变和不可变类型)

    1. 变量作⽤域         变量作⽤域指的是变量⽣效的范围,主要分为两类:局部变量和全局变量. 局部变量         定义在函数体内部的变量,即只在函数体内部⽣效. def testA(): ...

  4. Python函数及其参数

    定义函数def >>> def MyfirstFunction(): print('第一个函数') >>> MyfirstFunction() 第一个函数 函数的参 ...

  5. python参数传递方法_深入理解python中函数传递参数是值传递还是引用传递

    python 的 深入理解python中函数传递参数是值传递还是引用传递 目前网络上大部分博客的结论都是这样的: Python不允许程序员选择采用传值还是传 引用.Python参数传递采用的肯定是&q ...

  6. [教程]Python函数的参数

    Python函数的参数 位置参数.默认值参数.可变参数.关键字参数和命名关键字参数 1 函数结构 def 函数名(参数):函数体返回值 2 位置参数 略 3 默认值参数 略 4 可变参数 # 可变长度 ...

  7. C++ main函数中参数argc和argv

    argc 是 argument count的缩写,表示传入main函数的参数个数: argv 是 argument vector的缩写,表示传入main函数的参数序列或指针,并且第一个参数argv[0 ...

  8. 数组作为函数的参数传参时,数组名会退化为指针

    1.数组作为函数的参数传参时,数组名会退化为指针 数组作为函数的参数传参时,数组名会退化为指针,数值传参时,需要把数值的长度一起传过去,另外,sizeof()运算符包含字符串的哨兵'/0',而strl ...

  9. int main(int argc,char *argv[]),主函数的参数问题

    主函数的参数 在VC++中,我们有时候看到一些程序的主函数是带有参数的,虽然我们经常用到VC++但是对主函数的参数并不是很理解: int main(int argc,char *argv[]) 对于里 ...

  10. python 函数 默认参数

    python 函数 默认参数 def add(a=1, b=2): # a,b设置默认参数c = a + breturn c c = add(a=2) # 如果不填,就是默认参数 print(c) 4

最新文章

  1. python中的diff_python-Numpy和diff()
  2. Spring Cloud与Duddo比较(非原创)
  3. java word模版填充_[转载]java向word模板中填充数据(总结)
  4. assert函数_PHP 之 assert()函数
  5. 首次曝光 | 阿里数万名开发者都在使用的数据库开发工具到底长什么样?
  6. Ubuntu美化方案
  7. 贝叶斯方法(Bayesian approach) —— 一种概率解释(probabilistic interpretation)
  8. 【高并发】JUC中的循环栅栏CyclicBarrier的6种使用场景
  9. C++基础:造成多态性的原因是什么?
  10. 都在学奈飞 高盛要玩数据订阅
  11. HTTP协议(一些报头字段的作用,如cace-control、keep-alive)
  12. 50多首经典的广播电台背景音乐推荐下载
  13. 采样频率和带宽的关系_真正专业DSP的灵魂3——采样率
  14. ubuntu18.04安装caffe-cpu版
  15. 计算机视觉最新进展概览(2021年8月1日到2021年8月7日)
  16. Linux那些事儿之我是U盘(1)小城故事
  17. 英语语法:定语从句讲解
  18. spring boot通过微信扫码登录
  19. 商标的商品和服务分类有45个
  20. 单线服务器和双线服务器是什么意思?

热门文章

  1. 教你如何写初/高级前端简历【全新web前端入门视频教程】
  2. cookie的工作原理、cookie的重要性
  3. oracle查询存储过程完整的sql,SQL命令查询Oracle存储过程信息(代码内容等)
  4. qq空间自动评论说说php源码使用教程,仿QQ空间说说 评论/回复 效果源码
  5. 超级万能计算机在线应用,超级万能计算器手机版
  6. dhcp服务器 无线桥接,老款TP-Link TL-WR841N路由器无线桥接设置方法
  7. 将FTP空间通过网络映射到本地电脑上
  8. java实现浏览器下载excel文件
  9. axios请求下载excel文件以及文件乱码问题
  10. CSDN博客新增「评论置顶」、「定时发布」功能,翘首期盼的PC版「每日一练」上线!【第14期*2021.9.22】