MNE-Python中RawNeuralynx读取器新增对.ncs文件头信息的支持

在神经科学和脑电信号处理领域，MNE-Python是一个广泛使用的开源工具包。近期，该项目对Neuralynx数据格式的读取功能进行了重要增强，特别是在处理.ncs文件时能够保留更多关键的元数据信息。

背景与现状

Neuralynx系统生成的.ncs文件包含了丰富的采集元数据，这些信息存储在文件头中。在之前的版本中，MNE-Python的read_raw_neuralynx()函数仅能提取采样频率这一项信息，而忽略了其他有价值的元数据，如采集时间、在线滤波器设置等。

每个.ncs文件头包含多种信息，例如：

• 文件创建和关闭时间
• 采样频率
• 输入范围
• DSP低通和高通滤波器设置
• 系统配置参数

技术实现方案

新实现的核心思想是安全地从文件头中提取关键信息，并将其映射到MNE的Info数据结构中。具体实现考虑了几个重要方面：

1. 时间信息处理：将文件创建时间(TimeCreated)转换为UTC时间并存储在info['meas_date']中，确保时间戳的标准化和跨平台一致性。

2. 滤波器参数处理：从文件头提取DSP滤波器设置：

   • 低通滤波器频率(DspLowCutFrequency)映射到info['highpass']
   • 高通滤波器频率(DspHighCutFrequency)映射到info['lowpass']

   对于多文件情况，采用保守策略：

   • 选择所有文件中最低的高通频率作为全局高通值
   • 选择所有文件中最高的低通频率作为全局低通值

3. 线程安全操作：使用info._unlock()上下文管理器安全地修改Info对象的只读属性。

技术细节与考量

在处理过程中，开发团队特别注意了几个关键问题：

1. 时区处理：Python 3.11前后版本对UTC时区的处理方式不同，实现中需要考虑版本兼容性。

2. 数据一致性：当处理多个.ncs文件时，确保提取的元数据在所有文件中一致，否则会发出警告并跳过不一致的信息。

3. 性能影响：新增的元数据解析过程对整体读取性能影响极小，因为文件头信息只占整个数据文件的很小部分。

应用价值

这一增强为研究人员带来了多项好处：

1. 更完整的元数据：现在可以自动获取实验记录时间，便于数据管理和分析流程的自动化。

2. 准确的滤波器信息：了解采集时应用的在线滤波器设置，有助于后续的离线分析策略制定。

3. 数据溯源：完整的元数据保留增强了研究的可重复性和数据溯源能力。

总结

MNE-Python对Neuralynx .ncs文件头信息的支持增强，体现了该项目对神经科学研究实际需求的持续关注。这一改进不仅提升了数据处理的完整性，也为复杂的多模态数据分析提供了更好的基础。研究人员现在可以更全面地利用Neuralynx系统采集的数据，而无需额外的手动元数据整理工作。