【利用Python进行edf格式的肌电处理的一些过程记录】-2022/09

标签：edf Python os 09 raw file path Ref BIP

（1）获取原肌电数据，生成图片

　　1.使用的库：mne

　　2.肌电数据的格式：edf

def Show_Information(file):
    raw = read_raw_edf(file,preload = True)
    info = raw.info
    print("raw:\n",raw,end="\n-----------------------\n")
    print("file:\n",file,end="\n-----------------------\n")
    print("channel name:\n",info['ch_names'],end = "\n-----------------------\n")
    print("channel number list:\n",
        mne.pick_channels(info['ch_names'],include=['BIP BIP1-Ref', 'BIP BIP2-Ref','BIP BIP3-Ref','BIP BIP4-Ref','BIP BIP5-Ref','BIP BIP6-Ref','BIP BIP7-Ref', 'BIP BIP8-Ref', 'BIP BIP9-Ref', 'BIP BIP10-Ref', 'BIP BIP11-Ref', 'BIP BIP12-Ref']),
        end = "\n-----------------------\n"  )

#
def Show_Pictrue(file):
    raw = read_raw_edf(file, preload=True)
    info = raw.info
    sampling_freq = raw.info['sfreq']
    start_stop_seconds = np.array([5, 20])
    start_sample, stop_sample = (start_stop_seconds * sampling_freq).astype(int)
    channel_list = mne.pick_channels(info['ch_names'],include=['BIP BIP1-Ref', 'BIP BIP2-Ref','BIP BIP3-Ref','BIP BIP4-Ref','BIP BIP5-Ref','BIP BIP6-Ref','BIP BIP7-Ref', 'BIP BIP8-Ref', 'BIP BIP9-Ref', 'BIP BIP10-Ref', 'BIP BIP11-Ref', 'BIP BIP12-Ref'])
    file_path = os.path.dirname(os.path.dirname(file))
    for channel_index in range(len(channel_list)):
        raw_selection = raw[channel_index, start_sample:stop_sample]
        print(raw_selection)
        x = raw_selection[1]
        y = raw_selection[0].T
        svfile = os.path.join(file_path,'caichuanmeng','原肌电数据',"channel"+str(channel_index)+".png")
        if not os.path.exists(os.path.dirname(svfile)):
                os.mkdir(os.path.dirname(svfile))
        EMG_picture = plt.plot(x, y)
        plt.savefig(svfile)
        plt.title(label=channel_index)
        #plt.show()
        plt.close()

if __name__ == '__main__':
    from EMG_Filter_2 import *
    current_path = os.path.dirname(__file__)
    project_path = os.path.dirname(current_path)
    file = os.path.join(project_path,'cushion experiments_ EMG','caichuanmeng','cai_chuanmeng_2022-07-07_11-28-55_Segment_0.edf')
    Show_Information(file)
    Show_Pictrue(file)

　　生成的图片如下所示：

　

 

 

 

（2）去趋势

　　1.介绍、原理

　　　　去趋势处理可以去除传感器获取数据时产生的偏移，将数据分析集中在波动上。其原理为对数据减去一条最优（拟合）的直线、平面或者曲面，使得处理后的数据均值为0.

　　2.库：scipy

　　3.写法：

scipy.signal.detrend(data, axis=- 1, type='linear', bp=0, overwrite_data=False)

 

 　　4.调用（待补充）

生成的图片如下所示：

　　

 

 

 

（3）带通滤波（30~300Hz）

# 被限制在狭窄频率范围内的伪影有时可以通过过滤数据来修复。
# 频率受限伪影的两个例子是缓慢漂移和电力线噪声。
# 用低通滤波去除电源线噪声，用高通滤波消除缓慢漂移.
# 曹等的研究表明：当高通滤波器的截止频率为30Hz时，有助于去除心电干扰。
　　1.巴特沃斯滤波器原理
　　　　

 

　　　　可参照：(21条消息) 数字信号处理公式变程序（四）——巴特沃斯滤波器（上）_没事多学点的博客-CSDN博客_巴特沃斯滤波器参数计算 

　　2.库：scipy
　　　　需要提供截止频率Wn
　　　　Wn = 截止频率/(采样频率/2)
　　3.代码：

    lowpass = 300
    highpass = 30
    wn1 = 2 * highpass / sampling_freq
    wn2 = 2 * lowpass / sampling_freq
    wn = [wn1, wn2]
    b, a = signal.butter(8, wn, 'bandpass')

.......
    filted_data = signal.filtfilt(b, a,data[channel_index],padlen=None)

生成的图片如下所示：

　　

 

 

 

 

 

 

 

 

 

 

 

 

【Thanks to】

(21条消息) Matlab 去趋势处理_assassinIU的博客-CSDN博客_去趋势

标签：edf,Python,os,09,raw,file,path,Ref,BIP
From： https://www.cnblogs.com/zhimingyiji/p/16705370.html