خواندن و پردازش داده ی EEG فرمت .gdf با استفاده از پکیج MNE-Python

به منظور خواندن و نمایش داده‌ی EEG در فرمت .gdf، دیتاست BCI Competition IV-Dataset 2a را انتخاب کردیم. این دیتاست EEG تصور حرکتی 4 کلاسه است که 22 کانال EEG و 3 کانال EOG دارد. فرکانس نمونه‌برداری آن 250Hz بوده و دیتاست تصور حرکتی مربوط به 9 سابجکت ثبت شده است.

برای خواندن این دیتاست ابتدا لازم است پکیج های مورد استفاده را import کنیم.

Python

import numpy as np
import mne

سپس با تعریف مسیر دیتایی که می‌خواهیم بخوانیم و استفاده از دستور mne.io.read_raw_gdf دیتا را از مسیر موردنظر می‌خوانیم و داخل یک متغیر به نام Raw قرار می‌دهیم. به صورت زیر:

Python

filename = 'A09T.gdf'
raw = mne.io.read_raw_gdf(filename)

با در اختیار داشتن raw حال می‌توانیم اطلاعات مربوط به این دیتاست را چاپ کرده و نمایش دهیم.

Python

print(raw.info)

همچنین با استفاده از دستور print(raw.ch_names) می‌توانیم نام تک تک کانال‌ها را نمایش دهیم.

به منظور رسم سیگنال به صورت کانال در زمان از دستور raw.plot استفاده می‌کنیم. ابتدا لازم است که رنگ سیگنال مورد نمایش را با یک دیکشنری مشخص کنیم به صورت زیر و آن را نمایش می دهیم:

Python

color1 = dict(eeg='darkblue', eog='k')
raw.plot(duration=1, n_channels=25, bgcolor='w', color=color1)

Python

raw.compute_psd(fmax=50).plot(picks="data", exclude="bads")

با استفاده از دستور mne.events_from_annotations(raw) می‌توانیم eventهایی که در دیتاست تعریف شده است را مشخص کنیم (توضیحات مربوط به eventها در مقاله ی مربوط به هر دیتاست آمده است):

Python

events, _ = mne.events_from_annotations(raw)

در eventsهای بدست آمده در این دیتاست عدد 769 نشانگر برچسب داده ی تصور حرکتی دست چپ، 770 نشانگر برچسب داده ی تصور حرکتی دست راست، 771، نشانگر برچسب داده ی تصور حرکتی پا و 772 نشانگر برچسب داده‌ی تصور حرکتی زبان است.

در دوره‌ی آموزش کار با پکیج MNE پایتون که به زودی برگزار خواهد شد، کار با فرمت های مختلف دیتاست های EEG بررسی می‌شوند.