Giter VIP home page Giter VIP logo

pycrosaccade's Introduction

pycrosaccade

Detect microsaccades

Installation

Use pip install

> pip install pycrosaccade

Usage

Use in combination with https://github.com/smathot/python-eyelinkparser/tree/master/eyelinkparser

Preprocessing

from pycrosaccade import microsaccades, ms_diagnostics
from eyelinkparser import parse, defaulttraceprocessor

# Parse data as usual
dm = parse(
    traceprocessor=defaulttraceprocessor(
      blinkreconstruct=True, 
      downsample=None, 
      mode = "advanced"
    )
)

Out:

data/sub_1.asc............................................data/sub_2.asc............................................data/sub_3.asc............................................

Microsaccades

For each phase in the experiment, add 5 columns (saccetlist_phase, saccstlist_phase, saccdurlist_phase, saccdistlist_phase, saccfreq_phase)

microsaccades(dm)

print(dm.saccstlist_fixation)

Out:

Calculating microsaccades in phase "baseline"
Calculating microsaccades in phase "feedback"
Calculating microsaccades in phase "fixation"
Calculating microsaccades in phase "problem"
Calculating microsaccades in phase "response"
col[[  nan   nan   nan   nan   nan]
 [  nan   nan   nan   nan   nan]
 [  nan   nan   nan   nan   nan]
 [  nan   nan   nan   nan   nan]
 [  nan   nan   nan   nan   nan]
 [  nan   nan   nan   nan   nan]
 [  nan   nan   nan   nan   nan]
 [  nan   nan   nan   nan   nan]
 [  nan   nan   nan   nan   nan]
 [  nan   nan   nan   nan   nan]
 [  nan   nan   nan   nan   nan]
 [  nan   nan   nan   nan   nan]
 [  nan   nan   nan   nan   nan]
 [  nan   nan   nan   nan   nan]
 [  nan   nan   nan   nan   nan]
 [  nan   nan   nan   nan   nan]
 [  nan   nan   nan   nan   nan]
 [  nan   nan   nan   nan   nan]
 [  nan   nan   nan   nan   nan]
 [  nan   nan   nan   nan   nan]
 [  nan   nan   nan   nan   nan]
 [  nan   nan   nan   nan   nan]
 [  nan   nan   nan   nan   nan]
 [  nan   nan   nan   nan   nan]
 [  nan   nan   nan   nan   nan]
 [  nan   nan   nan   nan   nan]
 [  nan   nan   nan   nan   nan]
 [1101.   nan   nan   nan   nan]
 [  nan   nan   nan   nan   nan]
 [  nan   nan   nan   nan   nan]
 [  nan   nan   nan   nan   nan]
 [  nan   nan   nan   nan   nan]
 [  nan   nan   nan   nan   nan]
 [  nan   nan   nan   nan   nan]
 [  nan   nan   nan   nan   nan]
 [  nan   nan   nan   nan   nan]
 [ 487.   nan   nan   nan   nan]
 [  nan   nan   nan   nan   nan]
 [  nan   nan   nan   nan   nan]
 [  nan   nan   nan   nan   nan]
 [  nan   nan   nan   nan   nan]
 [ 399.  590.   nan   nan   nan]
 [  nan   nan   nan   nan   nan]
 [  nan   nan   nan   nan   nan]
 [  nan   nan   nan   nan   nan]
 [  nan   nan   nan   nan   nan]
 [  nan   nan   nan   nan   nan]
 [  nan   nan   nan   nan   nan]
 [  nan   nan   nan   nan   nan]
 [  nan   nan   nan   nan   nan]
 [  nan   nan   nan   nan   nan]
 [  nan   nan   nan   nan   nan]
 [  nan   nan   nan   nan   nan]
 [  nan   nan   nan   nan   nan]
 [  nan   nan   nan   nan   nan]
 [  nan   nan   nan   nan   nan]
 [  nan   nan   nan   nan   nan]
 [  nan   nan   nan   nan   nan]
 [  nan   nan   nan   nan   nan]
 [  nan   nan   nan   nan   nan]
 [  nan   nan   nan   nan   nan]
 [  nan   nan   nan   nan   nan]
 [  nan   nan   nan   nan   nan]
 [ 613.   nan   nan   nan   nan]
 [  nan   nan   nan   nan   nan]
 [  nan   nan   nan   nan   nan]
 [1378.   nan   nan   nan   nan]
 [  nan   nan   nan   nan   nan]
 [  nan   nan   nan   nan   nan]
 [1036.   nan   nan   nan   nan]
 [  nan   nan   nan   nan   nan]
 [  nan   nan   nan   nan   nan]
 [  nan   nan   nan   nan   nan]
 [  nan   nan   nan   nan   nan]
 [  nan   nan   nan   nan   nan]
 [  nan   nan   nan   nan   nan]
 [  nan   nan   nan   nan   nan]
 [  nan   nan   nan   nan   nan]
 [  nan   nan   nan   nan   nan]
 [  nan   nan   nan   nan   nan]
 [  nan   nan   nan   nan   nan]
 [  nan   nan   nan   nan   nan]
 [  nan   nan   nan   nan   nan]
 [  nan   nan   nan   nan   nan]
 [  nan   nan   nan   nan   nan]
 [  nan   nan   nan   nan   nan]
 [  nan   nan   nan   nan   nan]
 [  nan   nan   nan   nan   nan]
 [  nan   nan   nan   nan   nan]
 [ 194.   nan   nan   nan   nan]
 [  nan   nan   nan   nan   nan]
 [ 785.  898. 1056. 1191. 2360.]
 [  nan   nan   nan   nan   nan]
 [  nan   nan   nan   nan   nan]
 [ 884. 1068.   nan   nan   nan]
 [ 663.   nan   nan   nan   nan]
 [  nan   nan   nan   nan   nan]
 [  nan   nan   nan   nan   nan]
 [ 209.   nan   nan   nan   nan]
 [1237.   nan   nan   nan   nan]
 [1268.   nan   nan   nan   nan]
 [  nan   nan   nan   nan   nan]
 [ 275.   nan   nan   nan   nan]
 [1066. 1552.   nan   nan   nan]
 [ 143.  779.   nan   nan   nan]
 [ 705.   nan   nan   nan   nan]
 [  nan   nan   nan   nan   nan]
 [ 569.  792. 1396.   nan   nan]
 [  nan   nan   nan   nan   nan]
 [  nan   nan   nan   nan   nan]
 [  16.   nan   nan   nan   nan]
 [  nan   nan   nan   nan   nan]
 [  nan   nan   nan   nan   nan]
 [  nan   nan   nan   nan   nan]
 [  nan   nan   nan   nan   nan]
 [  91.  609.  738. 1633. 2209.]
 [ 385.   nan   nan   nan   nan]
 [1558.   nan   nan   nan   nan]
 [ 474.  715.   nan   nan   nan]
 [ 354.  926.   nan   nan   nan]
 [  nan   nan   nan   nan   nan]
 [  nan   nan   nan   nan   nan]
 [ 629. 1065.   nan   nan   nan]
 [1291. 1590.   nan   nan   nan]
 [  55.  608.  862. 1088. 1940.]
 [  nan   nan   nan   nan   nan]
 [  nan   nan   nan   nan   nan]
 [  nan   nan   nan   nan   nan]
 [ 478. 1020. 1177. 2420.   nan]
 [  nan   nan   nan   nan   nan]
 [  nan   nan   nan   nan   nan]
 [  nan   nan   nan   nan   nan]]

Visualisation

from matplotlib import pyplot as plt
fig, ax = plt.subplots()
ax.plot(dm.saccfreq_fixation.mean)
fig.savefig('plot.png')

Out:

alt text

To compare the results with different parameters, use ms_diagnostics

microsaccades(dm, varname='default')
microsaccades(dm, varname='thres3', msVthres=3)

Out:

Calculating microsaccades in phase "baseline"
Calculating microsaccades in phase "feedback"
Calculating microsaccades in phase "fixation"
Calculating microsaccades in phase "problem"
Calculating microsaccades in phase "response"
Calculating microsaccades in phase "baseline"
Calculating microsaccades in phase "feedback"
Calculating microsaccades in phase "fixation"
Calculating microsaccades in phase "problem"
Calculating microsaccades in phase "response"

fig, axs = ms_diagnostics(dm, phase='fixation', varname='default')
fig.savefig('defaults.png')
fig, axs = ms_diagnostics(dm, phase='fixation', varname='thres3')
fig.savefig('thres3.png')

Out:

alt text alt text

Parameters

TODO (but see functions)

References

pycrosaccade's People

Contributors

robbertmijn avatar ivoryychen avatar

Stargazers

Gustavo Juantorena avatar Sebastiaan Mathot avatar

Watchers

avatar

Forkers

smathot ivoryychen

pycrosaccade's Issues

`mindur` and `maxdur` seem to be incorrectly adjusted based on `sampfreq`

Inside find_microsaccades(), the mindur and maxdur parameters are adjusted based on the sampling rate, like so:

# get number of samples for mindur and maxdur (depending on sampfreq)
mindur = int(mindur * 1000/sampfreq)
maxdur = int(maxdur * 1000/sampfreq)

The result of this is that lower sampling rates result in higher values. For example, with 100 Hz, mindur becomes 90 and maxdur becomes 500. This strikes me as incorrect (?). And what are the default units of these values, i.e. what does the default of mindur=9 in the function def refer to?

Recommend Projects

  • React photo React

    A declarative, efficient, and flexible JavaScript library for building user interfaces.

  • Vue.js photo Vue.js

    🖖 Vue.js is a progressive, incrementally-adoptable JavaScript framework for building UI on the web.

  • Typescript photo Typescript

    TypeScript is a superset of JavaScript that compiles to clean JavaScript output.

  • TensorFlow photo TensorFlow

    An Open Source Machine Learning Framework for Everyone

  • Django photo Django

    The Web framework for perfectionists with deadlines.

  • D3 photo D3

    Bring data to life with SVG, Canvas and HTML. 📊📈🎉

Recommend Topics

  • javascript

    JavaScript (JS) is a lightweight interpreted programming language with first-class functions.

  • web

    Some thing interesting about web. New door for the world.

  • server

    A server is a program made to process requests and deliver data to clients.

  • Machine learning

    Machine learning is a way of modeling and interpreting data that allows a piece of software to respond intelligently.

  • Game

    Some thing interesting about game, make everyone happy.

Recommend Org

  • Facebook photo Facebook

    We are working to build community through open source technology. NB: members must have two-factor auth.

  • Microsoft photo Microsoft

    Open source projects and samples from Microsoft.

  • Google photo Google

    Google ❤️ Open Source for everyone.

  • D3 photo D3

    Data-Driven Documents codes.