Question

在执行MEG静止阶段数据的源定位时，它会请求我的数据集中没有的纪元和事件，因为它是静止状态数据。它也是经过预处理的。

Answer 1

MNE-Python可以为连续（原始）数据进行源定位。您只需要考虑使用什么来计算噪声协方差。对于静止状态数据，噪声协方差的一个不错选择是一片空房间数据。这是使用MNE-Python附带的示例数据集的示例：

import mne

# Load the sample data
path = mne.datasets.sample.data_path()
raw = mne.io.read_raw_fif(path + '/MEG/sample/sample_audvis_raw.fif', preload=True)

# Make a noise covariance matrix using empty room data
empty_room = mne.io.read_raw_fif(path + '/MEG/sample/ernoise_raw.fif', preload=True)
noise_cov = mne.compute_raw_covariance(empty_room, tmin=0, tmax=None)

# Load the leadfield (=forward operator)
fwd = mne.read_forward_solution(path + '/MEG/sample/sample_audvis-meg-oct-6-fwd.fif')

# Make the inverse operator
inv = mne.minimum_norm.make_inverse_operator(raw.info, fwd, noise_cov)

# Compute MNE source estimate for the continuous resting state data. The result
# is a huge matrix, so let's downsample the original raw a bit.
raw.resample(100)  # Downsample to 100 Hz
resting_state = mne.minimum_norm.apply_inverse_raw(raw, inv, lambda2=1E-4)

如何使用python-MNE本地化没有事件和时期的静止状态MEG数据

1 个答案: