脑电分析系列[MNE-Python-9]| 参考电极应用

Original Rose 脑机接口社区 2022-04-26

收录于合集 #脑电分析 53个

参考电极

MNE-Python中的平均参考设置

set_eeg_reference(self, ref_channels='average', projection=False, ch_type='auto', verbose=None)

指定用于EEG信号的参考。

默认情况下，MNE-Python将自动重新参考EEG信号，以使用平均参考（请参见下文）。这个函数可以显示指定所需的EEG参考。这可以是现有电极或新的虚拟通道。此函数将根据所需参考重新参考数据，并防止MNE-Python自动添加平均参考投影。

一些常见的参考方案以及ref_channels参数的相应值如下：

无需重新引用(No re-referencing)：

如果EEG数据已经在使用正确的参考信号，则设置ref_channels = []。这将阻止MNE-Python自动添加平均参考投影。

平均参考(Average reference)：

通过设置ref_channels ='average'来对当前EEG信号进行平均，创建一个新的虚拟参考电极。

如果在info['bads']中设置了错误的EEG通道，则会自动排除它们。

单电极(A single electrode)：

将ref_channels设置为包含将用作新参考的通道名称的列表，例如ref_channels = ['Cz']。

多个电极的平均值(The mean of multiple electrodes:)：

通过计算从两个或多个选定通道记录的当前EEG信号的平均值，可以创建一个新的虚拟参考电极。

将ref_channels设置为通道名称列表，指定要使用的通道。

例如，要使用平均乳突参考，在使用10-20命名方案时，请设置ref_channels = ['M1'，'M2']。

import mnefrom mne.datasets import samplefrom matplotlib import pyplot as plt

# 数据文件存放地址data_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'event_id, tmin, tmax = 1, -0.2, 0.5

# 读取fif文件，并生成raw对象raw = mne.io.read_raw_fif(raw_fname, preload=True)events = mne.read_events(event_fname)

# 将绘制脑电通道，以可视化参考方案中的差异。picks = mne.pick_types(raw.info, meg=False, eeg=True, eog=True, exclude='bads')

下面将应用不同的EEG参考方案，并绘制所产生的诱发电位。
注意，当使用mne.Epochs构造epochs时，这里提供proj = True参数。这意味着将自动应用所有可用的projector(投影)。
具体来说，如果存在由raw.set_eeg_reference('average'，projection = True)设置的平均参考投影机，则MNE在创建epochs(时间片段)时会应用此projector(投影)。

reject = dict(eog=150e-6)epochs_params = dict(events=events, event_id=event_id, tmin=tmin, tmax=tmax, picks=picks, reject=reject, proj=True)

fig, (ax1, ax2, ax3) = plt.subplots(nrows=3, ncols=1, sharex=True)

"""设置为没有参考。这里假定EEG是由正确的参考得到的。这明确阻止MNE添加默认的EEG参考。任何普通的参考projector(投影)都会被自动删除。"""raw.set_eeg_reference([])evoked_no_ref = mne.Epochs(raw, **epochs_params).average()

evoked_no_ref.plot(axes=ax1, titles=dict(eeg='Original reference'), show=False, time_unit='s')"""平均参考默认情况下就是平均参考，但也可以显式添加。"""raw.set_eeg_reference('average', projection=True)evoked_car = mne.Epochs(raw, **epochs_params).average()

evoked_car.plot(axes=ax2, titles=dict(eeg='Average reference'), show=False, time_unit='s')"""从平均参考重新参考EEG 001和EEG 002通道的平均值。"""raw.set_eeg_reference(['EEG 001', 'EEG 002'])evoked_custom = mne.Epochs(raw, **epochs_params).average()

evoked_custom.plot(axes=ax3, titles=dict(eeg='Custom reference'), time_unit='s')plt.show()

"""绘制raw对象中所有通道的曲线图"""raw.plot(n_channels=len(raw))plt.show()

"""使用所有通道的平均值作为参考"""raw_avg_ref = raw.copy().set_eeg_reference(ref_channels='average')raw_avg_ref.plot(n_channels=len(raw))plt.show()

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

脑疾病的“希望之光”，中国脑机接口技术将有新突破

上海独创柔性脑机接口何以上榜年度AI“奥斯卡”大奖