前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >MNE-Python从Raw对象中解析event

MNE-Python从Raw对象中解析event

作者头像
脑机接口社区
发布2020-06-30 11:51:12
3K0
发布2020-06-30 11:51:12
举报
文章被收录于专栏:脑机接口

大家好!

今天Rose小哥结合案例代码给大家介绍一下MNE是如何从Raw对象中解析event的。

这篇内容主要描述了如何从原始记录中读取实验事件,以及如何在MNE-Python中事件的两种不同表示形式(事件数组和注释对象)之间进行转换。

在入门教程中,我们看到了从"STIM"通道读取实验事件的示例;在这里,我们将更广泛地讨论事件和注释,提供有关从STIM通道读取的更详细的信息,并给出一个读取事件的示例。在教程"使用事件和注释连续数据"讨论了如何分别绘制、合并、加载、保存和导出事件和注释,后面的教程还介绍了Raw对象的交互式注释。

案例中为了节省内存,我对Raw对象进行了裁剪,只要60秒:

首先导入工具包

代码语言:javascript
复制
import os
import numpy as np
import mne
import matplotlib.pyplot as plt

加载数据

代码语言:javascript
复制
sample_data_folder = mne.datasets.sample.data_path()
sample_data_raw_file = os.path.join(sample_data_folder, 'MEG', 'sample',
                                    'sample_audvis_raw.fif')
raw = mne.io.read_raw_fif(sample_data_raw_file)

对Raw对象数据进行裁剪,获取60秒数据

代码语言:javascript
复制
raw.crop(tmax=60).load_data()

事件(Events)和注释(Annotations)数据结构

一般来说,事件和注释数据结构都具有相同的目的:它们提供了EEG/MEG记录期间的时间与事件发生时的描述之间的映。换句话说,他们把时间和内容联系起来。主要区别如下:

单位:事件(Events)这种数据结构以样本为单位表示时间,而注释(Annotations)数据结构以秒为单位表示时间。

描述上的限制:事件数据结构将"what"表示为整数"Event ID"代码,而注释数据结构将what表示为字符串。

持续时间的编码方式:事件数组的事件没有持续时间(尽管可以在事件数组中用成对的开始/偏移事件来表示持续时间),而Annotations对象的每个元素都必须包含持续时间(如果需要一个瞬时事件,则持续时间可以是零)。

内部表示:事件存储为普通的NumPy数组,而注释是在MNE-Python中定义的类似列表的类。

什么是STIM渠道?

STIM通道("刺激通道[stimulus channel]"的缩写)是指不接收来自EEG、MEG或其他传感器的信号的通道。相反,刺激通道记录电压(通常是从实验控制计算机发送的固定大小的短矩形直流脉冲)被时间锁定在实验事件上,例如受试者的刺激或按钮按下反应(这些脉冲有时被称为TTL脉冲、事件脉冲、触发信号,或者仅仅是"触发器[triggers]")。在其他情况下,这些脉冲可能不会被严格地锁定在实验事件上,而是可能发生在两次试验验之间,以表明在接下来的实验中将要发生的刺激类型(或实验条件)。

直流脉冲可能全部在一个STIM通道上(在这种情况下,不同的实验事件或试验类型被编码为不同的电压幅度),或者它们也可能分布在多个通道上,在这种情况下,脉冲发生的信道可以被用来编码不同的事件或条件。

即使在具有多个STIM通道的系统中,通常也有一个通道记录其他STIM通道的加权和,这样就可以将该通道上的电压水平明确解码为特定的事件类型。

在较老的Neuromag系统(例如用于记录样本数据的系统)上,这个"总和通道"通常是STI 014;在较新的系统中,通常是STI101。

你可以在原始数据文件看到STIM通道:

代码语言:javascript
复制
raw.copy().pick_types(meg=False, stim=True).plot(start=3, duration=6)
plt.show()

从上面的结果可以看到STI 014(总和通道)包含不同幅度的脉冲,而其他通道上的脉冲幅度较为一致。

从上图中还可以看到,每次在其他STIM通道上有一个脉冲时,STI 014上也有一个相对应的脉冲。

将STIM通道信号转换为事件数组

如果数据在STIM通道上记录了事件,则可以使用mne.find_events()将它们转换成事件数组。

每个脉冲的开始(或偏移)的样本数被记录为事件时间,脉冲幅度被转换为整数,

这些样本数以及整数代码对 被存储在NumPy数组中(通常称为"事件数组"或"事件")。

在其最简单的形式中,该函数只需要Raw对象以及用于读取事件的通道的名称:

代码语言:javascript
复制
events = mne.find_events(raw, stim_channel='STI 014')
print(events[:5])  # show the first 5

如果不提供STIM通道的名称,find_events()将首先为变量MNE_STIM_CHANNEL、MNE_STIM_CHANNEL_1等查找MNE-Python配置变量。

如果没有找到,则尝试使用STI 014和STI101通道,然后使用raw.ch_names中第一个类型为"STIM"的通道。

find_events()有多个选项,包括用于将事件与STIM通道脉冲的开始或偏移对齐,设置最小脉冲持续时间以及处理连续脉冲(它们之间不返回零)的选项。例如,可以通过将output='step'传递给mne.find_events()来有效地编码事件持续时间,更多详细信息,可以参阅find_events()的文档。

将嵌入式事件作为注释读取(Reading embedded events as Annotations)

一些EEG/MEG系统生成文件,其中事件存储在单独的数据数组中,而不是作为脉冲存储在一个或多个STIM通道中。例如,EEGLAB格式将事件作为数组的集合存储在.set文件中。读取这些文件时,MNE-Python会自动将存储的事件转换成Aannotation对象,并将其存储为Raw对象的Annotations属性:

代码语言:javascript
复制
testing_data_folder = mne.datasets.testing.data_path()
eeglab_raw_file = os.path.join(testing_data_folder, 'EEGLAB', 'test_raw.set')
eeglab_raw = mne.io.read_raw_eeglab(eeglab_raw_file)
print(eeglab_raw.annotations)

可以通过三个属性访问注释(Annotations)对象中的核心数据:开始、持续时间和描述。在这里我们可以看到EEGLAB文件中存储了154个事件,它们的持续时间都是0秒,有两种不同类型的事件,第一个事件发生在录音开始后大约1秒:

代码语言:javascript
复制
print(len(eeglab_raw.annotations))
print(set(eeglab_raw.annotations.duration))
print(set(eeglab_raw.annotations.description))
print(eeglab_raw.annotations.onset[0])
代码语言:javascript
复制
154
{0.0}
{'rt', 'square'}
1.000068359375

有关注释(Annotations)对象的更多信息,包括如何以交互方式向原始(Raw)对象添加注释,以及如何绘图、连接、加载、保存和导出注释对象,可以在注释连续数据的教程中找到。

事件数组和注释对象之间的转换

一旦将实验事件读入MNE-Python(作为事件数组或注释对象),就可以根据需求对这两种格式之间进行转换。这样做可能是因为,例如,需要一个事件数组来提取连续数据。

要将注释对象转换为事件数组,请在包含注释的Rwa文件上使用函数mne.events_from_annotations()。

该函数将为raw.annotations.description的每个唯一元素分配一个整数Event ID,并将返回描述到整数事件ID的映射以及派生的事件数组。默认情况下,在每个注释开始时创建一个事件;这可以通过events_from_annotations()的chunk_duration参数进行修改,以在每个注释范围内创建等间隔的事件(请参见下面的为每个注释创建多个事件,或参见直接创建等距事件的事件数组的等距事件数组)。

代码语言:javascript
复制
events_from_annot, event_dict = mne.events_from_annotations(eeglab_raw)
print(event_dict)
print(events_from_annot[:5])
代码语言:javascript
复制
Used Annotations descriptions: ['rt', 'square']
{'rt': 1, 'square': 2}
[[128   0   2]
 [217   0   2]
 [267   0   1]
 [602   0   2]
 [659   0   1]]

如果要控制将哪些整数映射到每个唯一的描述值,则可以传递一个dict,将映射指定为events_from_annotations()的event_id参数;此dict将未经修改地返回为event_dict。

代码语言:javascript
复制
custom_mapping = {'rt': 77, 'square': 42}
(events_from_annot,
 event_dict) = mne.events_from_annotations(eeglab_raw, event_id=custom_mapping)
print(event_dict)
print(events_from_annot[:5])
代码语言:javascript
复制
Used Annotations descriptions: ['rt', 'square']
{'rt': 77, 'square': 42}
[[128   0  42]
 [217   0  42]
 [267   0  77]
 [602   0  42]
 [659   0  77]]

要进行相反的转换(从事件(Events)数组到注释(Annotations)对象),可以创建从整数事件ID到字符串描述的映射,并使用Annotations构造函数创建注释对象,使用set_annotations()方法将注释添加到原始(Raw)对象。因为样本数据是在Neuromag系统上记录的(其中样本编号是在采集系统启动时开始的,而不是在记录启动时开始的),所以我们还需要传入orig_time参数,以便onsets与记录开始时正确对齐:

代码语言:javascript
复制
mapping = {1: 'auditory/left', 2: 'auditory/right', 3: 'visual/left',
           4: 'visual/right', 5: 'smiley', 32: 'buttonpress'}
onsets = events[:, 0] / raw.info['sfreq']
durations = np.zeros_like(onsets)  # assumes instantaneous events
descriptions = [mapping[event_id] for event_id in events[:, 2]]
annot_from_events = mne.Annotations(onset=onsets, duration=durations,
                                    description=descriptions,
                                    orig_time=raw.info['meas_date'])
raw.set_annotations(annot_from_events)

现在,在绘制原始数据时,注释将自动显示,并根据它们的标签值进行颜色编码:

代码语言:javascript
复制
raw.plot(start=5, duration=5)
本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2020-04-05,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 脑机接口社区 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • 对Raw对象数据进行裁剪,获取60秒数据
    • 事件数组和注释对象之间的转换
    相关产品与服务
    对象存储
    对象存储(Cloud Object Storage,COS)是由腾讯云推出的无目录层次结构、无数据格式限制,可容纳海量数据且支持 HTTP/HTTPS 协议访问的分布式存储服务。腾讯云 COS 的存储桶空间无容量上限,无需分区管理,适用于 CDN 数据分发、数据万象处理或大数据计算与分析的数据湖等多种场景。
    领券
    问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档