EEG Convert - 脑电数据格式转换工具

简介

在脑电（EEG）研究和临床应用中，不同厂商的采集设备输出的数据格式各不相同。常见的格式包括：

EDF（European Data Format）— 欧洲数据格式，最通用的标准
BDF（BioSemi Data Format）— BioSemi 设备专用格式，24位精度
CDT（Curry Data Format）— Neuroscan Curry 系统格式
SET（EEGLAB Dataset）— MATLAB 环境下的 EEGLAB 格式

EEG Convert 是一个轻量级的 Python 工具库，用于在这些格式之间进行无损转换，同时支持在转换过程中应用数字滤波（高通、低通、陷波）。

核心功能

格式互转

支持以下格式之间的双向转换：

输入格式	输出格式	说明
EDF	BDF / SET / MAT	标准欧洲数据格式
BDF	EDF / SET / MAT	BioSemi 24位高精度
CDT	EDF / BDF / SET	Neuroscan Curry 格式
SET	EDF / BDF / MAT	EEGLAB 数据集

信号滤波

转换过程中可同步应用数字滤波器：

高通滤波 — 去除基线漂移（默认 0.5 Hz）
低通滤波 — 去除高频噪声（默认 50 Hz）
陷波滤波 — 去除工频干扰（50/60 Hz）

滤波器采用 Butterworth IIR 设计，通过 scipy.signal 实现，支持零相位滤波（forward-backward）避免相位失真。

使用方式

命令行

# 基础转换
python -m eeg_convert -i input.edf -o output.bdf
 
# 带滤波转换
python -m eeg_convert -i input.cdt -o output.edf \
  --low_pass 50 --high_pass 0.5 --notch 50

Python API

import eeg_convert
 
# 读取源文件
reader = eeg_convert.EEGReader("input.edf")
print(f"通道数: {len(reader.signals)}")
print(f"采样率: {reader.signals['Fp1']} Hz")
print(f"时长: {reader.duration} 秒")
 
# 按时间读取数据（避免内存溢出）
data = reader.read_by_time(start_time_second=0, duration_second=300)
 
# 创建写入器
writer = eeg_convert.EEGWriter("output.bdf", reader.signals)
 
# 分块转换（每块 5 分钟）
for i in range(0, int(reader.duration), 300):
    batch = reader.read_by_time(i, 300)
    filtered = [reader.filter2(ch, reader.signals[ch], 
                                low=0.5, high=50, notch=50) 
                for ch in reader.signals]
    writer.write_samples(filtered)
 
writer.closed()

技术实现

读取器架构

EEGReader 类封装了不同格式的读取逻辑：

EDF/BDF — 基于 pyEDFlib 直接读取二进制数据
CDT — 通过 MNE-Python 的 read_raw_curry() 接口
SET — 借助 MNE-Python 读取 EEGLAB 数据集

分块处理

针对长时间记录的大文件（数小时甚至数十小时），采用分块读取策略：

每次读取固定时长（默认 300 秒）
逐通道应用滤波器
写入目标文件后释放内存
避免一次性加载整个文件导致内存溢出

滤波器设计

# Butterworth 带通滤波示例
from scipy.signal import butter, filtfilt
 
def butter_bandpass(lowcut, highcut, fs, order=4):
    nyq = 0.5 * fs
    low = lowcut / nyq
    high = highcut / nyq
    b, a = butter(order, [low, high], btype='band')
    return b, a
 
# 零相位滤波（消除相位延迟）
y = filtfilt(b, a, data)

应用场景

多中心数据整合

不同实验室使用不同品牌的脑电设备（Neuroscan、BioSemi、Brain Products），数据格式各异。通过 EEG Convert 统一转换为 EDF 标准格式，便于后续联合分析。

数据预处理流水线

在机器学习模型训练前，通常需要：

格式标准化 → 2. 滤波去噪 → 3. 重参考 → 4. 分段

EEG Convert 可嵌入这一流水线的前两步。

临床数据归档

医院长期积累的脑电数据可能包含多种格式，统一转换为 EDF（医疗行业标准）便于归档和后续调阅。

项目地址

GitHub: https://github.com/eegdb/eeg_convert
依赖: Python 3.8+, MNE-Python, pyEDFlib, NumPy, SciPy