Ci-dessous, les différences entre deux révisions de la page.
Les deux révisions précédentes Révision précédente Prochaine révision | Révision précédente | ||
documentation_mne [20/01/2022 10:15] dylan.jacquot Ajout de la partie CSP |
documentation_mne [13/06/2022 13:33] (Version actuelle) aristide.bourry |
||
---|---|---|---|
Ligne 1: | Ligne 1: | ||
- | Documentation de la librairie MNE | + | ====== |
- | Introduction | + | ===== Introduction |
- | MNE est une librairie python open-source offrant des fonctionnalités spécialisées pour toutes sortes | + | MNE est une librairie python open-source offrant des fonctionnalités spécialisées pour toute sorte de traitements de données MEG, EEG, sEEG, ECoG ou encore NIRS. |
Dans le cadre de notre projet, elle peut servir à traiter le signal EEG, le visualiser sous différentes formes, extraire des graphiques complexes et intéressants pour analyser le signal et classifier des essais. | Dans le cadre de notre projet, elle peut servir à traiter le signal EEG, le visualiser sous différentes formes, extraire des graphiques complexes et intéressants pour analyser le signal et classifier des essais. | ||
Ligne 9: | Ligne 9: | ||
Dans cette documentation, | Dans cette documentation, | ||
- | Importation des données du dataset | + | ===== Importation des données du dataset |
Les données du dataset peuvent être importées du fichier gdf en utilisant la fonction mne.io.read_raw_gdf(pathname, | Les données du dataset peuvent être importées du fichier gdf en utilisant la fonction mne.io.read_raw_gdf(pathname, | ||
Ligne 17: | Ligne 17: | ||
En ce qui concerne les labels, ils peuvent être chargés dans le programme à l'aide de la fonction scipy.io.loadmat(mat_fname) où mat_fname est le chemin d' | En ce qui concerne les labels, ils peuvent être chargés dans le programme à l'aide de la fonction scipy.io.loadmat(mat_fname) où mat_fname est le chemin d' | ||
- | Paramétrage de l' | + | ===== Paramétrage de l' |
L' | L' | ||
Ligne 33: | Ligne 33: | ||
Le montage est alors prêt à être associé au fichier raw avec la fonction raw.set_montage(montage, | Le montage est alors prêt à être associé au fichier raw avec la fonction raw.set_montage(montage, | ||
- | Exploitation et formatage des données du fichier Raw | + | ===== Exploitation et formatage des données du fichier Raw ===== |
La classe Raw contient une méthode permettant de réaliser directement le filtrage numérique fréquentiel du signal via un filtre passe-bande. Ainsi, la fonction raw.filter(7., | La classe Raw contient une méthode permettant de réaliser directement le filtrage numérique fréquentiel du signal via un filtre passe-bande. Ainsi, la fonction raw.filter(7., | ||
Ligne 47: | Ligne 47: | ||
Les données EEG d'un objet Epochs peuvent être récupérées en utilisant la fonction epochs.get_data(). | Les données EEG d'un objet Epochs peuvent être récupérées en utilisant la fonction epochs.get_data(). | ||
- | Affichage graphique de l' | + | ===== Affichage graphique de l' |
Il est possible grâce à MNE de représenter graphiquement l' | Il est possible grâce à MNE de représenter graphiquement l' | ||
Ligne 62: | Ligne 62: | ||
{{: | {{: | ||
+ | ===== Mise en place d'un filtre CSP ===== | ||
- | Mise en place d'un filtre CSP | + | Le filtre CSP (pour Common Spatial Patterns) est un filtre dit adaptatif, c'est-à-dire qu'il va chercher à personnaliser le filtrage spatial pour chaque personne en sélectionnant les électrodes qui semblent les plus adaptées pour une personne données. En effet, bien que les activités cérébrales soient souvent concentrées dans certaines zones (par exemple le cortex moteur pour un mouvement), les électrodes pertinentes peuvent varier fortement selon les individus : il peut alors être très intéressant de sélectionner les canaux pertinents pour chaque personne. |
- | + | ||
- | Le filtre CSP (pour Common Spatial Patterns) est un filtre dit adaptatif, c'est à dire qu'il va chercher à personnaliser le filtrage spatial pour chaque personne en sélectionnant les électrodes qui semblent les plus adaptées pour une personne données. En effet, bien que les activités cérébrales soient souvent concentrées dans certaines zones (par exemple le cortex moteur pour un mouvement), les électrodes pertinentes peuvent varier fortement selon les individus : il peut alors être très intéressant de sélectionner les canaux pertinents pour chaque personne. | + | |
Ce type de filtre nécessite un entraînement basé sur des données. MNE permet la mise en place d'un tel filtre grâce aux Epochs. | Ce type de filtre nécessite un entraînement basé sur des données. MNE permet la mise en place d'un tel filtre grâce aux Epochs. | ||
Ligne 71: | Ligne 70: | ||
L' | L' | ||
- | Il peut alors être intéressant d' | + | Il peut alors être intéressant d' |
Les graphiques ci-dessous montrent les patternes CSP calculés respectivement pour les sujets A01 et A02. | Les graphiques ci-dessous montrent les patternes CSP calculés respectivement pour les sujets A01 et A02. |