mne python简单的处理脑电数据的代码演示

在MNE-Python库中，处理脑电数据通常涉及读取数据、预处理、可视化以及分析等步骤。这里是一个简单的例子，展示如何加载EEG数据并做一些基本操作：

# 首先需要安装mne库，如果还没安装，可以使用pip install mne
import mne

# 加载数据（假设数据存储在一个名为eeg_data.fif的文件中）
raw = mne.io.read_raw_fif('eeg_data.fif', preload=True)

# 检查数据的基本信息
print(raw.info)  # 显示数据的信息，如通道数、采样率等

# 设置EOG和ECG传感器作为不需要的项目剔除
raw.drop_channels(['EOG06', 'ECG06'])  # 如果有这些通道

# 选择感兴趣的频段进行滤波（例如低通到40Hz）
raw.filter(l_freq=1, h_freq=40., fir_design='firwin')

# 确保所有通道都有相同的长度（对齐时间轴）
events = mne.find_events(raw)
epochs = mne.Epochs(raw, events, tmin=-0.2, tmax=0.5, baseline=None)

# 查看第一个epoch的数据
print(epochs[0].get_data().shape)  # 输出每个epoch的样本数和通道数

# 绘制一个通道的时间序列图
epochs.plot_image(picks='Fz')  # 在Fz位置查看信号变化

#