更多技術(shù)干貨第一時(shí)間送達(dá)

今天接著介紹Evoked數(shù)據(jù)的地形圖可視化。

首先還是先介紹一下Evoked結(jié)構(gòu)：

Evoked結(jié)構(gòu)

Evoked potential(EP)誘發(fā)電位或誘發(fā)反應(yīng)是指在出現(xiàn)諸如閃光或純音之類(lèi)的刺激后，從人類(lèi)或其他動(dòng)物的神經(jīng)系統(tǒng)，特別是大腦的特定部分記錄的特定模式的電位。不同形式和類(lèi)型的刺激會(huì)產(chǎn)生不同類(lèi)型的電位。

誘發(fā)電位振幅往往較低，從小于1微伏到數(shù)微伏不等，而腦電圖為數(shù)十微伏，肌電圖為毫伏，心電圖通常接近20毫伏。為了在EEG、ECG、EMG等生物信號(hào)和環(huán)境噪聲的背景下解決這些低幅度電位，通常需要對(duì)信號(hào)進(jìn)行平均。信號(hào)被時(shí)間鎖定在刺激上，大部分噪聲是隨機(jī)產(chǎn)生的，這樣就可以通過(guò)對(duì)重復(fù)響應(yīng)來(lái)平均掉噪聲。

誘發(fā)電位(Evoked)結(jié)構(gòu)主要用于存儲(chǔ)實(shí)驗(yàn)期間的平均數(shù)據(jù)，在MNE中，創(chuàng)建Evoked對(duì)象通常使用mne.Epochs.average()來(lái)平均epochs數(shù)據(jù)來(lái)實(shí)現(xiàn)。

本示例中，我們著重于mne.Evoked的地形圖可視化繪圖功能。

案例介紹# 導(dǎo)入工具包import os.path as opimport numpy as npimport matplotlib.pyplot as pltimport mne'''第一步：從文件中讀取誘發(fā)對(duì)象'''# 獲取數(shù)據(jù)文件默認(rèn)春芳地址data_path = mne.datasets.sample.data_path()# 構(gòu)建文件存放的具體路徑fname = op.join(data_path, 'MEG', 'sample', 'sample_audvis-ave.fif')# 根據(jù)文件存放的具體路徑evoked?=?mne.read_evokeds(fname,?baseline=(None,?0),?proj=True)

注意，誘發(fā)事件是一系列誘發(fā)事件的實(shí)例。

通過(guò)將參數(shù)條件傳遞給mne.read_evokeds()，您只能讀取其中一個(gè)類(lèi)別。為了使本教程更簡(jiǎn)單，我們將每個(gè)實(shí)例讀取到一個(gè)變量。evoked_l_aud = evoked[0]evoked_r_aud = evoked[1]evoked_l_vis = evoked[2]evoked_r_vis = evoked[3]

我們可以使用Evoked對(duì)象的mne.Evoked.plot_joint()方法在一張圖中組合兩種圖形。按原樣調(diào)用(evoked.plot_joint())，此函數(shù)應(yīng)提供時(shí)空動(dòng)態(tài)的信息顯示。可以使用topomap_args和ts_args參數(shù)直接設(shè)置圖的時(shí)間序列部分和topomap部分的樣式。也可以將鍵值對(duì)作為Python字典傳遞。

然后將它們作為參數(shù)傳遞給聯(lián)合繪圖的mne.Evoked.plot_topomap()和時(shí)間序列(mne.Evoked.plot())。

對(duì)于使用這些topomap_args和ts_args參數(shù)的特定樣式的示例，此處顯示了特定時(shí)間點(diǎn)(90和200 ms)的topomaps，未繪制傳感器(通過(guò)轉(zhuǎn)發(fā)到plot_topomap的參數(shù))，并且顯示了Global Field Power：ts_args = dict(gfp=True, time_unit='s')topomap_args = dict(sensors=False, time_unit='s')evoked_r_aud.plot_joint(title='right auditory', times=[.09, .20],ts_args=ts_args, topomap_args=topomap_args)

如果想要比較兩個(gè)或多個(gè)傳感器的選擇條件，或例如，為全局場(chǎng)功率。為此，可以使用函數(shù)mne.viz.plot_compare_evokeds()。最簡(jiǎn)單的方法是創(chuàng)建一個(gè)Python字典，其中鍵是條件名，值是mne誘發(fā)對(duì)象。

如果你提供了多個(gè)誘發(fā)對(duì)象的列表，比如那些多被試的對(duì)象，總平均值連同一個(gè)置信區(qū)間帶被繪制出來(lái)——這可以用來(lái)對(duì)比整個(gè)實(shí)驗(yàn)的條件。

首先，我們將誘發(fā)對(duì)象加載到字典中，將鍵設(shè)置為‘/’分隔的標(biāo)記(就像我們可以對(duì)epochs中的event_id所做的那樣)。

然后，我們使用mne.viz.plot_compare_evokeds()進(jìn)行繪圖。該圖表使用dict參數(shù)進(jìn)行樣式化，同樣使用“/”分隔的標(biāo)記。我們繪制了一個(gè)具有強(qiáng)烈聽(tīng)覺(jué)反應(yīng)的腦磁圖MEG通道。conditions = ['Left Auditory', 'Right Auditory', 'Left visual', 'Right visual']evoked_dict = dict()for condition in conditions:evoked_dict[condition.replace(' ', '/')] = mne.read_evokeds(fname, baseline=(None, 0), proj=True, condition=condition)print(evoked_dict)

對(duì)于移動(dòng)高級(jí)繪圖使用mne.viz.plot_compare_evokeds()。'''設(shè)置 evoked 類(lèi)別顏色，左聽(tīng)覺(jué)和左視覺(jué)的線(xiàn)條顏色為：Crimson右聽(tīng)覺(jué)和右視覺(jué)的線(xiàn)條顏色為：CornFlowerBlue'''colors = dict(Left='Crimson', Right='CornFlowerBlue')'''設(shè)置 evoked 繪制 線(xiàn)型，聽(tīng)覺(jué)的線(xiàn)型為：-視覺(jué)的線(xiàn)型為：--'''linestyles = dict(Auditory='-', visual='--')#pick = evoked_dict['Left/Auditory'].ch_names.index('MEG 1811')mne.viz.plot_compare_evokeds(evoked_dict, picks=pick, colors=colors,linestyles=linestyles, split_legend=True)

也可以用圖像來(lái)描繪這些活動(dòng)。時(shí)間沿著x軸，通道沿著y軸。振幅是彩色編碼的，所以振幅從負(fù)到正轉(zhuǎn)換成從藍(lán)色到紅色。白色表示零振幅。您可以使用cmap參數(shù)自己定義顏色映射。接受的值包括所有matplotlib顏色映射。evoked_r_aud.plot_image(picks='meg')

最后將傳感器數(shù)據(jù)繪制成地形圖。在簡(jiǎn)單的情況下，我們只繪制左聽(tīng)覺(jué)反應(yīng)，然后我們把它們都繪制在同一個(gè)圖中進(jìn)行比較。單擊各個(gè)圖，將它們放大。title = 'MNE sample data\n(condition : %s)'evoked_l_aud.plot_topo(title=title % evoked_l_aud.comment,background_color='k', color=['white'])mne.viz.plot_evoked_topo(evoked, title=title % 'Left/Right Auditory/Visual',background_color='w')

對(duì)于少量傳感器，也可以創(chuàng)建更精細(xì)的彈出窗口。同樣，單擊傳感器可打開(kāi)一個(gè)單傳感器圖。mne.viz.plot_compare_evokeds(evoked_dict, picks='eeg', colors=colors,linestyles=linestyles, split_legend=True,axes='topo')

總結(jié)

以上是生活随笔為你收集整理的python地形图渲染_Python-Evoked地形图可视化的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

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