MNE-Python的两种不同安装环境配置的方法
大家好,我是陈锐。
今天内容来源网络整理,仅供学习参考。
MNE-Python(https://mne.tools/stable/index.html)是一款开源的数据处理分析软件,它是基于Python语言,应用在多种电生理数据上的工具。可用于MEG, EEG, sEEG, ECoG, NIRS等数据的读取,预处理,可视化和分析。它支持多种神经科学数据格式,比如.edf、. cnt、.dbf、.vhdr、.set等,MNE默认的格式为.fif。并提供了许多用于数据预处理、信号处理、时频分析、统计分析和可视化的在线教程。它还包括了一些机器学习算法,能够用于神经科学的分类和预测任务。
MNE-python相对EEGLAB有什么优势?
MNE-python和EEGLAB是两个常用于EEG/MEG数据处理和分析的软件包,它们各有优劣。相较于EEGLAB,MNE-python有以下几个优势:
-
更广泛的数据格式支持:MNE-python支持多种脑电图和脑磁图数据格式,包括FIF、BrainVision、EDF、Nicolet、NeuroScan等等,而EEGLAB仅支持部分这些格式。
-
更强大的信号处理工具:MNE-python提供了丰富的信号处理和时频分析工具,包括时频分析、滤波、重构、拓扑映射、映射拟合等,这些功能在EEGLAB中的功能是有限的。
-
基于Python的开发: MNE-python是一个完全基于Python的软件包,可以方便的与其他Python科学计算库(如NumPy、SciPy和scikit-learn)进行集成,可以与这些库一起使用来提高数据处理效率。
-
多种可视化工具: MNE-python提供了多种可视化工具,包括3D脑表面可视化、时频谱可视化以及脑活动时空分布图等。
-
更强大的机器学习工具:MNE-python具有基于Scikit-learn的强大机器学习工具,用于进行分类、识别任务和脑机接口等相关应用。
-
开源社区的活跃:MNE-python的开发是由一个活跃的开源社区推动的,社区支持下软件包经常得到更新和维护。
总之,MNE-python和EEGLAB都是优秀的工具箱,但是MNE-python更适合需要进行更复杂数据处理和分析以及和Python科学计算库交互的任务。
本文介绍MNE-Python的两种不同的环境配置安装方法以及使用MNE-Pyhon读取Raw data
如何安装MNE-Python?
01安装MNE-python集成的setup
在其官方网站下载(https://mne.tools/stable/install/installers.html#installers)对应电脑系统的安装包,这种方法是最直接最有效的安装方法,它会包括很多依赖的python库,免去了很多的麻烦。
具体的安装过程可以参考其视频安装
安装成功后,可在应用程序中查看到MNE-python
可以使用自带的Spyder编辑器进行代码的撰写,也可以打开Prompt(MNE)终端环境,使用其它软件进行代码撰写。
点击System Info即可查看已安装好的python环境
02、安装原生的MNE-python(推荐使用Anaconda部署环境)
Anaconda是一种开源的Python和R编程语言的发行版,包含了许多流行的科学计算软件包和工具。它是由Anaconda Inc.开发和维护的,可以在Windows、Linux和macOS等操作系统上使用。
Anaconda集成了许多科学计算和数据科学的库,如NumPy、Pandas、Matplotlib、IPython等,并且包含了一个叫做Conda的包管理器,方便用户管理这些软件包。Conda不仅可以用来安装和更新软件包,还可以创建多个独立的Python环境,使得用户可以方便地管理不同版本的Python和不同项目的依赖关系,从而更好地隔离不同项目的环境。它最大的优势就是把python做相关数据计算与分析所需要的包都集成到了一起,这样我们就不必花更多的时间去下载我们需要的各种安装包了,只需要安装好Anaconda,配置其独立的MNE换行就可以 了,为我们节省了大量的时间。
■ Anaconda下载网址:
https://www.anaconda.com/products/individual
Anaconda安装流程
以下是在 Windows 操作系统中安装 Anaconda 的步骤:
-
到 Anaconda 的官方网站(https://www.anaconda.com)下载最新的 Anaconda 安装文件,选择适合自己操作系统的版本。
-
下载完成后,双击安装文件,并按照安装程序指示,一步一步地完成安装。
-
在安装的过程中,需要注意一些选项的设置,选择将 Anaconda 添加到系统环境变量中等选项。按照自己的需求进行设置。
-
安装完成后,可以在 “开始” 菜单中找到 “Anaconda3” 文件夹,其中包含了 Anaconda 的各种工具和应用程序,例如 Jupyter Notebook 等。
-
使用 Anaconda 中的 Python 版本,可以打开 “Anaconda Prompt” 命令行工具,输入以下命令查看 Anaconda 中已经安装的 Python 版本:
conda list python
-
如果需要创建一个新的 Python 环境,则可以使用以下命令创建:
conda create --name MNE python=3.7
其中,”MNE” 是新环境的名称,”python=3.7” 表示使用 Python 3.7 版本。当然也可以打开anaconda GUI界面进行创建。
-
安装完成后,可以使用以下命令激活新环境:
conda activate MNE
-
然后安装所需要的额外的 Python 包及MNE包,例如:
conda install numpy pandas matplotlib pip install mne
这些包将会被安装到 “MNE” 环境中。
-
如果不再需要使用新环境,可以使用以下命令关闭该配置环境:
conda deactivate
03测试是否安装成功及环境库
在激活的MNE环境中终端命令窗口打开Python输入 import mne,回车,如没有报错,即MNE安装成功
测试环境配置是否完全安装?
python -c "import mne; mne.sys_info()"
MNE中数据结构Raw及其用法简介
使用Raw格式读取 各种不同的数据格式。通过raw data来查看数据的基本信息,包括通道名称、通道数、采样率、数据采集的时间等等;
MNE-Python可以读取和处理多种电生理数据格式,以下是MNE-Python中读取数据格式的函数:
代码示例
支持的数据类型格式:
Datatype | File format | Extension | MNE-Python function |
---|---|---|---|
MEG | Elekta Neuromag | .fif | mne.io.read_raw_fif() |
MEG | 4-D Neuroimaging / BTI | dir | mne.io.read_raw_bti() |
MEG | CTF | dir | mne.io.read_raw_ctf() |
MEG | KIT | sqd | mne.io.read_raw_kit() and mne.read_epochs_kit() |
EEG | Brainvision | .vhdr | mne.io.read_raw_brainvision() |
EEG | Neuroscan CNT | .cnt | mne.io.read_raw_cnt() |
EEG | Neuroscan | .dat, .dap, .rs3, .cdt, .cdt.dpa, .cdt.cef or .cef | mne.io.read_raw_curry() |
EEG | European data format | .EDF or EDF+ | mne.io.read_raw_edf() |
EEG | Biosemi data format | .bdf | mne.io.read_raw_bdf() |
EEG | EGI simple binary | .egi | mne.io.read_raw_egi() |
EEG | EEGLAB | .set | mne.io.read_raw_eeglab() and mne.read_epochs_eeglab() |
EEG | fieldtrip | .mat | mne.io.read_raw_fieldtrip |
EEG | nicolet | .data | mne.io.read_raw_nicolet |
fNIRS | hitachi | .CSV | mne.io.read_raw_hitachi |
fNIRS | NIRX | NIRX data folder | mne.io.read_raw_nirx |
fNIRS | Homer3 | .SNIRF | mne.io.read_raw_snirf |
EyeTracking | EyeLink | .asc | mne.io.read_raw_eyelink |
Electrode locations | EEGLAB loc, locs, eloc | Misc | mne.channels.read_montage() |
Electrode locations | elc, txt, csd, sfp, htps | Misc | mne.channels.read_montage() |
读取数据的MNE代码
#导入MNE
import mne
#写数据文件地址(根据自己的文件路径修改)
data_path = "/Users/chenrui/Desktop/mne-python/sample_data/eeglab_data.set"
# 读取数据
raw = mne.io.read_raw_eeglab(data_path, preload=True)
#打印info信息
print(raw)
print(raw.info)
以上是如何读取脑电数据以及查看数据的基本信息,在接下来的过程,我们慢慢来学习后续的分析过程。
无论是使用安装包还是Anaconda进行MNE-Python的安装,进行环境配置以确保MNE-Python可以正确运行。
安装必要的python库后,您可以通过import命令检查您的环境是否配置正确:
import mne
import numpy
import scipy
import matplotlib
import sklearn
import skimage
如果这些库都可以正常导入,则表示您的MNE-Python环境已经配置正确。
谢谢大家观看,如有帮助,来个喜欢或者关注吧!
本文作者:陈锐
有任何疑问及建议,扫描以下公众号二维码添加交流:
更多脑科学技术内容,请加入付费知识星球
公众号:大脑技术
热爱生活,热爱技术;分享生活,分享技术。
版权声明:本文由 陈锐CR 在 2023年06月06日发表。本博客文章作者为陈锐CR时均采用属于个人原创撰写,未经许可,禁止在任何媒介以任何形式复制、发行本文章,如需转载,请查看About联系方式,非商业转载请注明出处,不得用于商业目的。
文章题目及链接:《MNE-Python的两种不同安装环境配置的方法》