Python 如何绘制从 EEG 信号中提取的 ICA 分量

发布于03月23日

我遵循the answer to this question和this scikit-learn tutorial来go 除脑电信号中的伪影.它们看起来很简单，我肯定错过了一些显而易见的东西.

提取的成分与我的信号长度不同.我有88个频道的几个小时的录音，所以我的信号矩阵的形状是(888088516).然而ICA的输出是(88,88).除了很短之外，每个组件似乎都捕捉到了非常大的、看起来有噪音的偏转(所以在88个组件中，只有一对看起来像信号，其余的看起来像噪音).我还以为只有几个部件看起来很吵.我怀疑我做错了什么？

通道x样本的矩阵具有形状(888088516).

示例代码(仅使用随机矩阵进行最低限度的工作):

import numpy as np
from sklearn.decomposition import FastICA
import matplotlib.pyplot as plt

samples_matrix = np.random.random((88, 8088516))

# Compute ICA
ica = FastICA(n_components=samples_matrix.shape[0])  # Extracting as many components as there are channels, i.e. 88
components = ica.fit_transform(samples_matrix)  # Reconstruct signals
A_ = ica.mixing_  # Get estimated mixing matrix

组件的形状为(88,88).其中一个是这样的:

plt.plot(components[1])

我本以为这些成分是与我最初的as shown in the answer to this question个时间序列长度相同的时间序列.我真的不知道如何在这一点上推进组件移除和信号重建.

n_samples = 2000 time = np.linspace(0, 8, n_samples) s1 = np.sin(2 * time) # Signal 1 : sinusoidal signal s2 = np.sign(np.sin(3 * time)) # Signal 2 : square signal s3 = signal.sawtooth(2 * np.pi * time) # Signal 3: saw tooth signal S = np.c_[s1, s2, s3] S += 0.2 * np.random.normal(size=S.shape) # Add noise S /= S.std(axis=0) # Standardize data # Mix data A = np.array([[1, 1, 1], [0.5, 2, 1.0], [1.5, 1.0, 2.0]]) # Mixing matrix X = np.dot(S, A.T) # Generate observations

Python 如何绘制从 EEG 信号中提取的 ICA 分量

推荐答案

Python相关问答推荐

如果在第一行之前不存在其他条件，如何获得满足口罩条件的第一行？

在编写要Excel的数据透视框架时修复标题行

阅读Polars Python中管道的函数定义

在应用循环中间保存pandas DataFrame

剧作家Python没有得到回应

Python：在类对象内的字典中更改所有键的索引，而不是仅更改一个键

使用mySQL的SQlalchemy过滤重叠时间段

DataFrame groupby函数从列返回数组而不是值

PMMLPipeline._ fit()需要2到3个位置参数，但给出了4个位置参数

如何让程序打印新段落上的每一行？

使用setuptools pyproject.toml和自定义目录树构建PyPi包

使用Python更新字典中的值

driver. find_element无法通过class_name找到元素'""

根据列值添加时区

在Python中，从给定范围内的数组中提取索引组列表的更有效方法

当点击tkinter菜单而不是菜单选项时，如何执行命令？

启用/禁用shiny 的自动重新加载

isinstance()在使用dill.dump和dill.load后，对列表中包含的对象失败

搜索按钮不工作，Python tkinter

替换现有列名中的字符，而不创建新列