波士顿儿童医院CHB-MIT癫痫数据集预处理-提取发作时间

数据集链接CHB-MIT Scalp EEG Database v1.0.0

如何将edf文件中的数据提取出来请参考大佬文章CHB-MIT波士顿儿童医院癫痫EEG脑电数据处理（一）_arbitrary19的博客-CSDN博客

将数据提取出来后，数据是一个[23,921600]的数组（23通道，3600秒，256Hz采样频率）。在数据集中，癫痫发作的时间是在每一个被试者的summary.txt中展示的，如下图

 故需要将癫痫对应的时间片截取出来，函数如下：

def generate_data_label(summary_txt_filename):
    with open(summary_txt_filename) as f:
        summary_txt=f.read()
    pattern_string="File Name: .+\nFile Start Time: .+\n.+\n.+\nSeizure Start Time: \d{1,4} seconds\nSeizure End Time: \d{1,4} seconds"
    # pattern=re.compile(pattern1_string)
    string_list=pattern1.findall(summary_txt)
    result={}
    for index, item in enumerate(string_list):

        file_pattern = re.compile("File Name: (chb\d{2}\w?_\d{2}\+?\.edf)\n")
        time_pattern = re.compile(
                "Seizure \d? ?Start Time: (\d{1,5}) seconds\nSeizure \d? ?End Time: (\d{1,5}) seconds\n?")

        file_name = re.findall(file_pattern, item[0])
        
        file_name=file_name[0]
        times = re.findall(time_pattern, item[0])
        for t in times:
            start_time = int(t[0])
            end_time = int(t[1])
            if file_name in result.keys():
                result[file_name].append((start_time,end_time))
            else:
                result[file_name]=[(start_time,end_time)]

    return result

 通过正则表达式提取出对应的文件名，开始发作时间，结束发作时间。

测试代码如下：

result=generate_data_label("chb16\\chb16-summary.txt")
for (k,v) in result.items():
    print("文件名为{},对应时间列表为{}".format(k,v))

结果如图（文件名：chb16-summary.txt）：

 需要注意的是 在该数据集的summary文件中，存在着大量的bug....比如某些文件在某些地方会多一个空格，有些地方是23通道，有些地方是22/24/28通道，没什么规律，但出现这些情况的文件不多，我也就懒得专门弄了，有兴趣的可以自己搞一下。