4. 脑电数据加载与可视化：MNE库入门、读取EDF/GDF格式数据、绘制脑电通道波形、功率谱密度(PSD)图绘制

好，咱们进入实操环节。说实话，很多同学学深度学习做运动想象，第一步就卡在数据加载上。你想想看，算法再牛，数据读不进来全是白搭。这一章我就带你搞定脑电数据的读取和可视化，用的工具是MNE——Python生态里最成熟的脑电分析库。

4.1 MNE库入门：为什么选它？

MNE全称是MNE-Python，最初是为脑磁图（MEG）设计的，后来把EEG也支持得非常好。我个人习惯用MNE做数据预处理，因为它把滤波、降采样、ICA去伪迹这些操作都封装得很优雅。

安装很简单：

pip install mne

如果你用Anaconda，也可以：

conda install -c conda-forge mne

嗯，这里要注意一点：MNE的版本迭代挺快的，我建议你装最新版（至少1.0以上），有些旧接口在新版里已经废弃了。我在项目中遇到过因为版本不匹配导致代码跑不通的情况，排查了半天才发现是API变了。

4.2 读取EDF/GDF格式数据

运动想象脑电数据最常见的格式就是EDF（European Data Format）和GDF（General Data Format）。BCI Competition IV的2a、2b数据集用的就是GDF。MNE读取它们只需要一行代码：

import mne

# 读取EDF文件
raw = mne.io.read_raw_edf('subject01.edf', preload=True)

# 读取GDF文件
raw = mne.io.read_raw_gdf('A01T.gdf', preload=True)

preload=True这个参数我建议你加上。如果不加，MNE会采用懒加载模式，数据不直接读入内存，后续操作会变慢。做深度学习训练时，数据频繁访问，预加载能省不少时间。

读取之后，看看数据的基本信息：

print(raw.info)
print(raw.ch_names)
print(raw.n_times)

你会看到通道名称、采样率、数据时长等信息。BCI Competition IV 2a数据集是22个EEG通道 + 3个EOG通道，采样率250Hz，每个trial持续4秒。

4.3 绘制脑电通道波形

数据读进来了，第一件事就是看看波形长什么样。MNE的绘图功能非常强大，一行代码就能画出所有通道的时序图：

raw.plot(n_channels=10, duration=5.0, scalings='auto')

这个函数会弹出一个交互式窗口，你可以滚动、缩放、标记坏段。我个人习惯先看30秒的全局波形，快速判断有没有明显的工频干扰或肌电伪迹。

如果你只想看特定通道：

raw.plot(picks=['C3', 'C4', 'Cz'], duration=5.0)

C3、C4、Cz是运动想象最关键的通道。为什么？因为运动皮层的mu节律（8-12Hz）和beta节律（13-30Hz）在这些通道上最明显。我在做左手vs右手分类时，C3和C4的功率差异就是核心特征。

4.4 功率谱密度(PSD)图绘制

波形图看的是时域信息，PSD图看的是频域信息。运动想象的核心就是不同频段的能量变化，所以PSD几乎是必看的。

MNE计算PSD有两种方式：

1. 基于整个raw对象：看全局频谱分布
2. 基于epochs：看不同trial条件下的频谱差异

先看全局PSD：

raw.plot_psd(fmin=1, fmax=40, average=True)

这个图会显示每个通道的功率谱密度曲线。你会看到在8-12Hz附近有一个明显的峰，那就是mu节律。如果受试者在做运动想象，这个峰的功率会下降——这就是所谓的「事件相关去同步」（ERD）。

更精细的做法是分条件看PSD。比如左手想象和右手想象：

# 先提取事件和epochs
events, event_dict = mne.events_from_annotations(raw)
epochs = mne.Epochs(raw, events, event_id=event_dict, tmin=-0.5, tmax=4.0)

# 分条件绘制PSD
epochs['left'].plot_psd(fmin=1, fmax=40)
epochs['right'].plot_psd(fmin=1, fmax=40)

对比两张图，你会发现C4通道（对侧运动皮层）在8-12Hz的功率明显低于C3通道。这就是运动想象的神经生理学基础。

4.5 本章知识体系

下面这张图总结了本章的核心流程：

4.6 实战要点总结

步骤	关键函数	常见坑点	我的建议
数据读取	read_raw_edf / read_raw_gdf	忘记加preload=True	始终预加载，除非内存不够
波形查看	raw.plot()	没滤波导致波形杂乱	先做1-40Hz带通滤波
事件提取	events_from_annotations	事件ID映射错误	打印event_dict确认
PSD绘制	epochs.plot_psd()	基线未校正、单位混淆	检查tmin和tmax参数