【MATLAB 处理BCI Competition IV 2a数据集】

admin管理员组

文章数量:1529464

MATLAB 处理BCI Competition IV 2a数据集

• 前言
• • BCI Competition IV 2a数据集介绍
  • BCI Competition IV 2a数据集处理
  • • 下载数据集
    • matlab 处理数据
    • • 数据介绍
      • 代码详情
      • 代码程序解释
    • 验证处理数据的准确率
• 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CSDN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。

1. BCI竞赛官方链接：BCI Competition IV— .GDF
2. 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：

1. 脑机接口社区的文章
2. 袋装猫博主的文章
3. Dancingharbor博主的文章
4. 是馒头阿博主的文章

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。

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。

代码程序解释

1. 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。
2. 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。
3. 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

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.

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！

本文标签： 数据BCImatlabivcompetition