Question

我的EEG数据以3D numpy数组（epoch * channel * timepoint）的形式出现。 timepoint是一个256元素的数组，包含每个采样时间点（总共1个，256Hz）。时代是一项实验性试验。

我试图将numpy数组导入Python-MNE（http://martinos.org/mne/stable/mne-python.html）理解的形式，但我遇到了麻烦

首先，我不确定是否应将此原始数据导入为RawArray或EpochsArray。我用这个尝试了后者：

ch_names = list containing my 64 eeg channel names
allData = 3d numpy array as described above

info = mne.create_info(ch_names, 256, ch_types='eeg')

event_id = 1

#I got this from a tutorial but really unsure what it does and I think this may be the problem
events = np.array([200, event_id])  #I got this from a tutorial but really unsure what it does and I think this may be the problem

raw = mne.EpochsArray(allData, info, events=events)

picks = mne.pick_types(info, meg=False, eeg=True, misc=False)

raw.plot(picks=picks, show=True, block=True)

当我运行这个时，我得到一个索引错误：＆＃34;数组的索引太多＆＃34;

最终我想对数据做一些STFT和CSP分析，但是现在我需要一些初步重组和导入MNE的帮助。

哪种方法可以导入这些最简单的数据，以便最简单地完成预期的分析？

Answer 1

有什么方法可以将您从EEG设置中获取的数据转换为.fif格式吗？ MNE页面在其教程中讨论的“原始”数据格式是.fif格式文件。如果您可以将您的eeg数据转换为.fif格式，您几乎可以一步一步地按照教程...

将各种其他EEG文件格式转换为.fif：http://martinos.org/mne/stable/manual/convert.html

的函数

如果这不是一个选项，这里有一些想法：

EpochsArray()看起来是正确的函数，因为它期望具有（n_epochs，n_channels，n_times）形状的数据数组。为确保这一点，请检查allData数组的形状是否与np.shape(allData)匹配。
在相关说明中，EpochsArray()提到mne.read_events()的帮助页面是一个重要问题，但您的事件数据可能会存储在哪里，以便您能够阅读...
根据您链接的教程，如果您从.fif文件开始，获取“事件”似乎是： events = mne.find_events(raw, stim_channel='STI 014')。这让我想知道你的numpy阵列中是否有超过64个通道，而你的一个通道实际上是一个刺激通道...如果是这种情况你可以尝试将该刺激通道输入mne.read_events()功能。或者，您的刺激或事件通道可能是一个单独的阵列，也可能是未加工的？

希望这至少有点帮助，祝你好运！

Answer 2

以防其他人想知道，他们在他们的文档中添加了一个教程：Creating MNE-Python data structures from scratch。您应该能够找到所需的 2 个步骤：

Python MNE - 从数组中读取EEG数据

2 个答案: