mne-python脑电图和肌电图是一个开源软件分析、处理和显示。遵循bsd许可协议,由哈佛大学和共同开发的社区。主要功能包括:预处理和脑电图\/梅格信号的去噪,源估计、时频分析、统计测试,功能连接,机器学习,可视化的传感器、来源等外资支持最常见的原始数据格式。默认的(和附带的示例数据)使用.fif格式,但它也支持这种格式。主页的引入了20线py代码估计原始数据阅读和来源。这只是mne-python许多功能的一小部分,而且我个人觉得效果还很好。ipython终端教程推荐的,因为它提供了一个友好的交互界面和功能,如代码高亮显示,实时显示结果,代码完成、等,更适合科学计算与相对少量的代码。让我们来.

其他文件格式是不同的API,以及处理流程是相似的。首先,我们打开一个.vhdr文件,这里我们只考虑EEG信号:进口mneraw_fname =\u201CC: \/用户\/ sw \/ mne_\u201D#原始数据文件name_raw_brainvision (raw_fname) #读取数据文件可以是一个简单的原始数据的一些信息:这就完成了原始数据导入工作。注意,如果你想做一些简单的波形显示、输出通道信息,等导入数据之后,你不需要保存它。如果我们需要de-artifact和进一步分析原始数据,我们需要删除原始数据。在继续之前保存的全部或部分。这也容易理解,\u201C清洁\u201D的原始数据。

然后我们可以重新打开数据保存。然后你可以分析和处理数据。首先,让我们看到的数据是什么样子的。这是每个通道的数据,可以通过方向盘,缩放和移动鼠标左键。这是简单但更实用。如果一些渠道数据采集期间有问题或不需要一些渠道的数据,你可以排除他们通过\u201C坏事\u201D列表,类似于:['坏']+ =(\u201C脑电图053\u201D)。这就是起步。具体的处理算法需要慢慢探讨。