mne-python腦電圖和肌電圖是一個開源軟件分析、處理和顯示。遵循bsd許可協(xié)議,由哈佛大學和共同開發(fā)的社區(qū)。主要功能包括:預處理和腦電圖\/梅格信號的去噪,源估計、時頻分析、統(tǒng)計測試,功能連接,機器學習,可視化的傳感器、來源等外資支持最常見的原始數(shù)據(jù)格式。默認的(和附帶的示例數(shù)據(jù))使用.fif格式,但它也支持這種格式。主頁的引入了20線py代碼估計原始數(shù)據(jù)閱讀和來源。這只是mne-python許多功能的一小部分,而且我個人覺得效果還很好。ipython終端教程推薦的,因為它提供了一個友好的交互界面和功能,如代碼高亮顯示,實時顯示結(jié)果,代碼完成、等,更適合科學計算與相對少量的代碼。讓我們來.

其他文件格式是不同的API,以及處理流程是相似的。首先,我們打開一個.vhdr文件,這里我們只考慮EEG信號:進口mneraw_fname =\u201CC: \/用戶\/ sw \/ mne_\u201D#原始數(shù)據(jù)文件name_raw_brainvision (raw_fname) #讀取數(shù)據(jù)文件可以是一個簡單的原始數(shù)據(jù)的一些信息:這就完成了原始數(shù)據(jù)導入工作。注意,如果你想做一些簡單的波形顯示、輸出通道信息,等導入數(shù)據(jù)之后,你不需要保存它。如果我們需要de-artifact和進一步分析原始數(shù)據(jù),我們需要刪除原始數(shù)據(jù)。在繼續(xù)之前保存的全部或部分。這也容易理解,\u201C清潔\u201D的原始數(shù)據(jù)。

然后我們可以重新打開數(shù)據(jù)保存。然后你可以分析和處理數(shù)據(jù)。首先,讓我們看到的數(shù)據(jù)是什么樣子的。這是每個通道的數(shù)據(jù),可以通過方向盤,縮放和移動鼠標左鍵。這是簡單但更實用。如果一些渠道數(shù)據(jù)采集期間有問題或不需要一些渠道的數(shù)據(jù),你可以排除他們通過\u201C壞事\u201D列表,類似于:['壞']+ =(\u201C腦電圖053\u201D)。這就是起步。具體的處理算法需要慢慢探討。

總結(jié)

以上是生活随笔為你收集整理的python怎么启动mne_mne-python学习之一 入门介绍的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。