步骤 24:基线校正

import mne

# ====== 方式 A：在 Epochs 创建时就指定 baseline（推荐） ======
# 之前创建 epochs 时已经传入 baseline 参数
# 现在仅做"应用"验证（实际已应用）

# ====== 方式 B：事后施加基线校正 ======
epochs.apply_baseline(
    baseline=(None, 0),   # 完整基线（从 epoch 起点到 0；None 替换为 times[0]）
    # baseline=(-0.2, 0),  # 仅 [-0.2, 0] 区间（推荐 ERP）
    # baseline=(None, None), # 全 epoch 基线（None → times[0]/times[-1]；通常不推荐）
    verbose='INFO',
)

# ====== 验证 ======
# 取一个 epoch，检查基线区均值是否接近 0
sample_epoch = epochs.get_data()[0]  # (n_channels, n_times)
baseline_mask = epochs.times < 0
baseline_mean = sample_epoch[:, baseline_mask].mean(axis=1)
print(f"基线均值（µV）: {baseline_mean * 1e6}")
# 期望：每个通道接近 0（如 [-0.5, 0.5] µV）

# 验证 2：可视化平均 ERP
evoked = epochs.average()
evoked.plot()

# 验证 3：所有 epoch 的基线均值都接近 0
all_baselines = epochs.get_data()[:, :, baseline_mask].mean(axis=2)
print(f"全 epoch 基线均值范围: {all_baselines.min()*1e6:.2f} ~ {all_baselines.max()*1e6:.2f} µV")
# 期望：接近 0

# 验证 1：基线均值接近 0
baseline_means = epochs.get_data()[:, :, baseline_mask].mean(axis=2)
print(f"基线均值范围: {baseline_means.min()*1e6:.2f} ~ {baseline_means.max()*1e6:.2f} µV")
# 期望：|均值| < 1 µV

# 验证 2：基线窗口不能有显著事件相关
# （如不能包含刺激后成分）

# 验证 3：ERP 振幅是否合理
evoked = epochs.average()
evoked.plot()
# 期望：P300 在 300 ms 处达到 ~10 µV

# 验证 4：ERP 时序不偏移
# 基线校正不会影响时序