# eeg-ai-process

**Repository Path**: halfskywalker/eeg-ai-process

## Basic Information

- **Project Name**: eeg-ai-process
- **Description**: No description available
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2024-12-16
- **Last Updated**: 2024-12-19

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# 使用文档

python version: 3.9.20

需求库：见目录下requirement.txt

关键需求库： 

- 
  mne == 1.8.0
- matplotlib == 3.9.2
- matplotlib-inline == 0.1.7
- pandas==2.2.3
- numpy==2.0.2
- PyQt5==5.15.11
- torch==2.0.1
- tk==0.1.0

各个文件作用：

main.py:测试用

subfun.py: 辅助函数

EEGINFO.py:保存常量

models file: 保存去噪用深度学习模型

---

#### myfun.py: 主要需要调用的函数都在里面，下面给出各个函数作用

使用方法： import 

- select_file_from_os()：

  从系统选取文件

  返回文件路径

- ##### select_open_method(path)

  判断csv还是edf文件，返回对应文件生成的eeg数据raw

  用法如下

  ```python
  raw = select_open_method(select_file_from_os())
  ```

- ##### def save_eeg_to_csv(raw):

  保存raw到本地csv文件

  ```
  save_eeg_to_csv(raw)
  ```

- open_eeg_from_csv(path)

  读取csv文件 无需调用

- open_eeg_from_edf(path)

  读取edf文件 无需调用

---

以上是文件读取用函数

---

- ##### eeg_plot(raw, scalings=80, start_time=-1, end_time=-1, start_point=-1, end_point=-1， picks =[])

  绘制raw的图像，scalings表示灵敏度， 单位为$\mu V$,默认80

  支持两种索引方式： 按时间索引和按数据点索引，都为空时默认索引全部数据

  1. 时间索引

     start_time: 开始时间

     end_time: 结束时间

  2. 数据点索引

     start_point: 开始数据点
     end_point: 结束数据点

​		picks: 索引通道， 不填写该参数时索引raw中全部通道

- ##### eeg_spectrum_plot(raw, picks='all')

  绘制功率谱密度图， 用于帮助手动剔除坏道

  picks: 索引通道， 不填写该参数时索引raw中全部通道

---

以上是图像绘制类函数

---

- ##### eeg_filter(raw, highpass, lowpass)

  带通滤波函数

  highpass: 高通滤波：过滤频率低于该数值的波 如不需要，请填写None
  lowpass:  低通滤波：过滤频率高于该数值的波 如不需要，请填写None

  ```pyhton
  #只进行高通滤波
  eeg_filter(raw, 0.5, None)
  #只进行低通滤波
  eeg_filter(raw, None, 80)
  ```

- ##### eeg_notch_filter(raw, notchpoint)

​		陷波滤波

​		notchpoint: 在该点进行陷波滤波 通常为50，用法如下

```python
eeg_notch_filter(raw, 50)
```

- ##### eeg_removeEOG(raw)

  使用模型对EEG数据中的EOG伪影进行去除 ， 返回一个新的raw

  ```python
  raw = eeg_removeEOG(raw)
  ```

- ##### eeg_removeEMG(raw)

  使用模型对EEG数据中的EMG伪影进行去除

  ```
  raw = eeg_removeEMG(raw)
  ```

---

以上是波形处理函数

---

- ##### eeg_find_bad_channels(raw)

  自动检测坏道， 无返回值

  ```python
  eeg_find_bad_channels(raw)
  ```

- ##### eeg_select_bad_channels(raw, scalings=80)

  手动检测坏道，

  scalling为检测坏道时使用的灵敏度 默认为 80$\mu V$

  标记坏道方法：点击左侧对应通道名称，如下图所示

  ![image-20241122153625937](E:\graduate_student\program1\py_program\Annotation\code\eeg_processor\showpicture\image-20241122153625937.png)

  ```
  eeg_select_bad_channels(raw)
  ```

- ##### eeg_bad_channel_remove(raw)

  删除筛选出来的坏道

  ```
  eeg_bad_channel_remove(raw)
  ```
---
- ##### 标注部分
  annotation_open_csv(raw)
  嵌套使用  annotation_open_csv(select_file_from_os()) 来读取annotation部分
  
- ##### eeg_annotation(raw)
  **按键盘“a”键标注**
  标注内容会保存在raw中
  
- ##### annotation_save_csv(raw)
    将标注数据保存到csv中