15
處理資料檔：正常人 10 筆、中風偏癱 5 筆
30
輸出 NPZ：每筆資料各 2 種切割方式
3500
每個 epoch samples：event 前 1000、後 2500
32
每個 epoch 保留 32 通道 EEG
直接 event 切割
未先做濾波，直接依 marker 41/51/61 取出 trial。輸出位置：
切割後資料/直接event切割/正常人切割後資料/直接event切割/中風偏癱
資料大小約 1.44 GB。
FIR 後切割
先使用 MNE 對連續 EEG 做 FIR band-pass 0.05-50 Hz，再依同一組 marker 切割。
切割後資料/FIR_0.05-50Hz後切割/正常人切割後資料/FIR_0.05-50Hz後切割/中風偏癱
資料大小約 1.66 GB。
事件數量總覽
兩種切割方式使用相同 event，因此 trial 數一致。共有 3 個 boundary event 因為切窗超出資料範圍而略過。
依族群彙整
| 族群 | 檔案數 | Left 41 | Rest 51 | Right 61 | 略過 boundary events |
|---|---|---|---|---|---|
| 正常人 | 10 | 1002 | 1002 | 1007 | 1 |
| 中風偏癱 | 5 | 459 | 443 | 482 | 2 |
輸出與程式
| 切割資料 | 切割後資料 |
|---|---|
| summary | 切割後資料/summary.csv、切割後資料/summary.json，並另附 summary.csv 於本報告資料夾。 |
| 主程式 | 程式碼/split_all_eeg_data.py |
| 共用函式 | 程式碼/subfunction/eeg_split_utils.py |
| 輸出格式 | 每個 NPZ 內含 left、rest、right、metadata；三類 epoch shape 為 (trial數, 3500, 32)。 |