内容

いろいろ読み込み... 1

波形表示... 1

センサ位置の表示... 1

固有ベクトルの分布パターンを見る... 1

パワースペクトラム密度の表示... 1

エポック波形表示... 1

 

 

MNE-Pythontutorialのこの部分を試してみました。

いろいろ読み込み

いろいろ読み込みます。

import os.path as op

import mne

data_path=op.join(mne.datasets.sample.data_path(),'MEG','sample')

raw=mne.io.read_raw_fif(op.join(data_path,'sample_audvis_raw.fif'),add_eeg_ref=False)

raw.set_eeg_reference() # set EEG average reference

events=mne.read_events(op.join(data_path,'sample_audvis_raw-eve.fif'))

 

波形表示

raw.plot(block=True)

引数にblock=trueがあると、このウインドウを閉じるまでPythonの外のコマンドは実行できません。

Helpを押すと使い方を説明したウインドウが表示されます。

×マークを押してウインドウを閉じます。

 

引数にorder=’selection’があるとグループ分けしたセンサが表示されます。

raw.plot(order='selection')

 

センサ位置の表示

センサ位置を表示します。magnetometergradiometer、脳波の順です。画像をドラッグすれば向きを変えることができます。

raw.plot_sensors(kind='3d',ch_type='mag',ch_groups='position')

raw.plot_sensors(kind='3d',ch_type='grad',ch_groups='position')

raw.plot_sensors(kind='3d',ch_type='eeg',ch_groups='position')

 

固有ベクトルの分布パターンを見る

Signal space projection (SSP)などで使う固有ベクトルの分布パターンを見ます。

projs=mne.read_proj(op.join(data_path,'sample_audvis_eog-proj.fif'))

raw.add_proj(projs)

raw.plot_projs_topomap()

 

パワースペクトラム密度の表示

全チャンネルを重ねて表示する場合は以下のようにします。

raw.plot_psd()

鳥瞰図にする場合は以下のようにします。

レイアウトを読み込みます。

layout=mne.channels.read_layout('Vectorview-mag')

layout.plot()

このレイアウトにパワースペクトラム密度を表示します。

raw.plot_psd_topo(tmax=30.,fmin=5.,fmax=60.,n_fft=1024,layout=layout)

あまり細かい表示オプションはなさそうです。

gradiometerの時は以下のようになります。

layout=mne.channels.read_layout('Vectorview-grad')

raw.plot_psd_topo(tmax=30.,fmin=5.,fmax=60.,n_fft=1024,layout=layout)

ウインドウを全部閉じます。

import matplotlib.pyplot as plt

plt.close('all')

 

エポック波形表示

いろいろ読み込みます。

import os.path as op

import mne

data_path=op.join(mne.datasets.sample.data_path(),'MEG','sample')

raw=mne.io.read_raw_fif(op.join(data_path,'sample_audvis_raw.fif'),add_eeg_ref=False)

raw.set_eeg_reference() # 脳波の加算用

予め作成してあるエポック切り出し情報(sample_audvis_raw-eve.fif)をつかってエポックを切り出します。

gradiometerだけを使うことにします。

その後でepochs.plot()とすると各エポックが表示されます。

events=mne.read_events(op.join(data_path,'sample_audvis_raw-eve.fif'))

picks=mne.pick_types(raw.info,meg='grad')

epochs=mne.Epochs(raw,events,[1,2],picks=picks,add_eeg_ref=False)

epochs.plot()

横軸はエポックの番号です。

個々のセンサを見ていきます。97番目のチャンネルを見てみます。

eochs.plot_image(97)

上図の縦軸はエポック番号です。下図は加算平均の結果です。

スケールバーはドラッグできます。

使い道はわかりません。

センサ全体を見ていきます。

epochs.plot_topo_image(vmin=-200,vmax=200,title='ERF images')

この状態でセンサをクリックすると個々のセンサのエポックが見れます。