P300数据学习

import pandas as pd
import numpy as np
from scipy.io import loadmat

# AAS011R06.mat
m = loadmat('Data/P300/v2/AA001.mat')
m

{'__header__': b'MATLAB 5.0 MAT-file, Platform: PCWIN, Created on: Thu Nov 29 14:36:17 2001',
 '__version__': '1.0',
 '__globals__': [],
 'run': array([[3],
        [3],
        [3],
        ...,
        [8],
        [8],
        [8]], dtype=uint8),
 'trial': array([[  0],
        [  0],
        [  0],
        ...,
        [192],
        [192],
        [192]], dtype=uint8),
 'sample': array([[    0],
        [    1],
        [    2],
        ...,
        [28829],
        [28830],
        [28831]], dtype=uint16),
 'signal': array([[-1136,  -416,  -592, ...,  -816,  -496,  -624],
        [-1456,  -912,  -752, ...,   -48,   336,   -48],
        [-1888,  -912,  -480, ...,  -240,     0,    64],
        ...,
        [-1952, -2416, -2336, ..., -1376, -2096, -1168],
        [-2784, -2912, -2912, ...,   144,  -800,   -48],
        [-1872, -1168, -1264, ...,  1008,   304,   816]], dtype=int16),
 'TargetCode': array([[0],
        [0],
        [0],
        ...,
        [0],
        [0],
        [0]], dtype=uint8),
 'ResultCode': array([[0],
        [0],
        [0],
        ...,
        [0],
        [0],
        [0]], dtype=uint8),
 'StimulusTime': array([[51992],
        [51992],
        [51992],
        ...,
        [54165],
        [54165],
        [54165]], dtype=uint16),
 'Feedback': array([[0],
        [0],
        [0],
        ...,
        [0],
        [0],
        [0]], dtype=uint8),
 'IntertrialInterval': array([[1],
        [1],
        [1],
        ...,
        [1],
        [1],
        [1]], dtype=uint8),
 'Active': array([[1],
        [1],
        [1],
        ...,
        [1],
        [1],
        [1]], dtype=uint8),
 'SourceTime': array([[52082],
        [52082],
        [52082],
        ...,
        [54256],
        [54256],
        [54256]], dtype=uint16),
 'RunActive': array([[1],
        [1],
        [1],
        ...,
        [1],
        [1],
        [1]], dtype=uint8),
 'Recording': array([[1],
        [1],
        [1],
        ...,
        [1],
        [1],
        [1]], dtype=uint8),
 'IntCompute': array([[0],
        [0],
        [0],
        ...,
        [0],
        [0],
        [0]], dtype=uint8),
 'Running': array([[1],
        [1],
        [1],
        ...,
        [1],
        [1],
        [1]], dtype=uint8)}

for i in m:
    try:
        print(i,m[i].shape)
    except:
        continue
#  运行编号（runnr），运行内的强化次数（trinr）和运行内的样品编号（sample）
# 其他部分由于网页乱码看不出来，也可能说明文件中没有展示，需要浏览matlab文件

run (172992, 1)
trial (172992, 1)
sample (172992, 1)
signal (172992, 64)
TargetCode (172992, 1)
ResultCode (172992, 1)
StimulusTime (172992, 1)
Feedback (172992, 1)
IntertrialInterval (172992, 1)
Active (172992, 1)
SourceTime (172992, 1)
RunActive (172992, 1)
Recording (172992, 1)
IntCompute (172992, 1)
Running (172992, 1)

P300 范式

1. 6 x 6的字符矩阵

2. 注意力一次集中到一个字符上

3. 行和列以5.7Hz频率连续随机增强

4. 6次行，6次列，分别有一行和一列包含目标字符，此时引起的反应，类似P300

v2数据采集

1. 三个时间段的同一个受试者的信号，240Hz

2. 每个会话：包含多个运行

3. 每次运行：用户集中在一系列字符中。

4. 每个字符：

   • 矩阵显示时间2.5s，此时字符强度相等 ==> 视为空白

   • 每一行和每一列被随机增强100ms，增强后，空白75ms

   • 每个字符重复12组增强15次，共计180次增强

   • 2.5s空白

   • 每次实验的单个通道信号量 = {2.5s + [(100+75) x 180 x 字符数]/1000 + 2.5s }x 240 Hz

v2信号处理文件（样例）

文件名：example.m

• 该程序比较session10-run01数据集中，对目标与非目标刺激（即，包含/未包含所需字符的刺激）的响应

文件名：testclass.m

• 使用一个非常简单的分类器来预测session12-run01中单词的第一个字符

• 它在增强后使用Cz和310ms处的一个样本进行分类。 它确定目标字符为振幅最高的字符（Cz / 310ms）

• 它针对session12中的单词01中的第一个字符执行此操作