文件名称：EegGraphAnalysis:使用MNE和Networkx对静止状态eeg数据进行图形分析
文件大小：544KB
文件格式：ZIP
更新时间：2024-06-04 07:34:09
Python
脑电图分析 使用MNE和Networkx对静止状态eeg数据进行图形分析 清理静止状态数据，并使用相位滞后指数（PLI）创建连接矩阵。 然后，建立一个图，并为进行无偏组比较，导出一个非循环子图，该图连接了所有节点，从而使边缘权重最小（w = 1 / w）。 此子图称为最小生成树。 前处理 导入数据，然后以1-30Hz的频率对其进行过滤（mne滤波器已经使用了零相滤波器）。 设置平均参考。 在执行ICA之前，请检查并排除不良电极。 对原始数据进行首次视觉检查，排除包含明显伪像的段。 计算我将传递给ICA的拒绝阈值 使用Extended-infomax方法运行ICA 目视检查ICA组件，以检查是否有代表眼睛运动或眨眼的组件。 运行应使这些组件高亮的自动过程 申请ICA 创建时期并执行最后的目视检查以排除不良时期。 保存时代连通性矩阵 使用PLI方法计算连接矩阵。 使用这些值
【文件预览】：
EegGraphAnalysis-master
----filtering.py(573B)
----import.py(351B)
----global_variables.py(800B)
----images()
--------sbj_2.png(91KB)
--------sbj_1.png(65KB)
--------EO_beta.png(126KB)
--------MST.png(129KB)
--------network_noweights.png(155KB)
--------output(22B)
----data()
--------readme(126B)
----ica.py(2KB)
----plot_functions.py(2KB)
----epochs.py(376B)
----connectivity.py(2KB)
----README.md(2KB)
----MST.py(4KB)