【MATLAB 处理BCI Competition IV 2a数据集】

马小跳ccdd

已于 2024-03-15 18:57:21 修改

阅读量4.5k

点赞数 39

分类专栏：脑机接口相关知识文章标签： matlab 机器学习数据分析

于 2023-09-12 16:05:50 首次发布

本文链接：https://blog.youkuaiyun.com/flyccddd/article/details/132830004

版权

脑机接口相关知识专栏收录该内容

1 篇文章

订阅专栏

MATLAB 处理BCI Competition IV 2a数据集

前言
致谢
感想

前言

对于入门脑机接口(Brain-computer interface,BCI)同学来说，这一篇博客可以很直观的帮了解到公共数据集的详细处理，对于大佬而言，这篇文章其实没啥用，帮您巩固一下所学知识，如果有错误向往您不要吝啬自己的建议。本人BCI领域小白一名，希望可以相互学习相互交流。

这篇文章的参考许多GitHub与优快云上的文章与代码，在后续的致谢中给出详细资料。

BCI Competition IV 2a数据集介绍

图1
该数据集包含来自9名受试者的脑电图（EEG）数据。基于提示的脑机接口（BCI）范式包括四个不同的运动想象任务，分别是想象左手运动（类别1）、右手运动（类别2）、双脚运动（类别3）和舌头运动（类别4）。每个受试者在不同的两天进行了两个会话的记录。每个会话由6个运行组成，之间有短暂的休息时间。每个运行包含48个试次（每个类别12个），每个会话总共有288个试次。

当初看其的文章不懂啥是runs，trails，现在给大家解释一下：在BCI实验中，一个"run"是指一组连续的试次（trials）组成，一个trial指的就是一次完整的实验，比如说是一次左手运动想象任务从0秒到8秒就是一个trail。

这里不得不提到—“ 袋装猫 ” 博主给出了详细的下载链接，分别是.gdf的官方格式和.mat的格式。
链接:袋装猫的博客
我在这里再给一遍连接，以防止连接失效。

BCI竞赛官方链接：BCI Competition IV— .GDF
BNCI Horizon 2020官方链接：BNCI Horizon—.mat

对于BCI Competition IV 2a的详细介绍我就不在这里多说了，我把几位博主的博客链接放在下面：

BCI Competition IV 2a数据集处理

关于BCI Competition IV 2a竞赛的数据集处理网上大多数使用的方法使用python程序写的，导入mne库十分方便，考虑到未入门python的人，本篇博客使用Matlab对数据集进行处理。

下载数据集

通过BNCI Horizon 2020官方链接下载BCI Competition IV 2a的.mat文件，首先点击上面的链接进入下载界面，界面如下图所示。

接下来我们点击A01T , A01E,…对其进行下载。
在这里插入图片描述
在这里再一次对下载的数据集进行一个简单的介绍，A01T为训练集，A01E为测试集。在进行实验时为了解决数据量少的问题也可以把这2个大兄弟进行合并，但是不建议这样做，你这样做跑出来的结果没有说服力。

matlab 处理数据

数据介绍

使用matlab语句 load A01T.mat 将数据加载到工作区。
在这里插入图片描述
在data文件中有1*9个单元数组cell，每个单元数组里面都一个结构体struct，每个结构体都用于存放脑电数据。
前三个cell为EOG测试，即Eyes open,Eyes closed,Movement，在进行脑电分析时我们不需要他，我们只分析4~9的cell。
在matlab中输入data{1,i} 就可以加载对应的cell下的结构体。我们接下来详细看一下结构体中各个变量的含义。
在这里插入图片描述

代码详情

我们对A01T的脑电数据进行处理，使他改为github上最常用的形状，即shape=（采样点数，通道数，实验次数）。

// An highlighted block
clc
clear

% 加载下载的开源数据集
load A01T.mat

finally_data = [];
finally_label = [];

for i = 4:9
    a = data{1, i};  % 从数据集中获取第i个样本的数据
    k = 0;
    data1 = zeros(1000, 22, 48);  % 创建一个三维矩阵用于存储数据
    for j = 1:length(a.trial)
        k = k + 1;
        % 从样本数据中提取特定时间范围内的数据，并选择前22个通道
        data1(:, :, k) = a.X((a.trial(j) + 501):(a.trial(j) + 1500), 1:22);
    end
    label1 = a.y;  % 获取样本的标签
    
    finally_data = cat(3, finally_data, data1);  % 将当前样本的数据添加到最终数据集中
    finally_label = cat(1, finally_label, label1);  % 将当前样本的标签添加到最终标签集中
end

% 将最终的数据集和标签集赋值给"data"和"label"变量
data = finally_data;
label = finally_label;


%保存数据与标签

save pre_A01T data label

通过运行代码之后我们得到2个变量，data和label。

在这里插入图片描述

代码程序解释

for循环为什么要4到9？因为前三个为EOG测试，不需要，所以从第4个进行循环。
为什么要+500 +1499 ？因为我们是从2秒开始进行运动想象的，采样频率为250hz，采取4秒的数据。
网上大多数的数据是选取1000采样点数，当然，为了更加精准，选取750采样点也是可以的。

验证处理数据的准确率

在这里插入图片描述
我们发现FBCSP算法处理A01T这名被试者的准确率为77.43%

对比论文 Transformer-based Spatial-Temporal Feature Learning for EEG Decoding 上面所提及的FBCSP对比算法准确率相差不大，事实证明咱们提取的数据没有问题。

[1] Song Y , Jia X , Yang L ,et al.Transformer-based Spatial-Temporal Feature Learning for EEG Decoding[J]. 2021.DOI:10.48550/arXiv.2106.11170.

在这里插入图片描述

致谢

本人基础不牢固，行文之处有些许的错误请大家指正，相互交流，相互学习。
特别感谢下面博主的博客让我受益匪浅。有些代码是参考Github上进行书写的，如有利益冲突请联系我。相关代码已上传至我的资源，包括处理好的数据集.mat格式的，如果需要可直接下载。
骖络逝水桓
袋装猫
Dancingharbor
脑机接口社区
是馒头阿

感想

研究学术一定要多交流，闭门造车只会固步自封。
点个赞在走呗！，未来的各位教授！