تنظيم الملفات والتخزين

لماذا أحتاج هذه الخطوة؟

والتخزين يكبر أسرع مما تتوقع. كل نسخة مستمرة تحفظها من مشارك تأخذ تقريباً نفس حجم ملفه الخام. في D4 الملف الخام لكل مشارك حوالي 234 ميجابايت، وفيها 18 مشاركاً، أي حوالي 4.2 جيجابايت للبيانات الخام وحدها. إذا حفظت خمس مراحل لكل مشارك، تصل إلى حوالي 21 جيجابايت قبل أي epoch أو رسم.

هذا الدرس يعطيك ثلاث قواعد قبل أن تبدأ أي مشروع: هيكل مجلدات ثابت، وأسماء ملفات ثابتة، وحساب للتخزين وقرار مسبق بما تحفظه.

كيف أطبّقها في EEGLAB؟

أولاً: الهيكل

1. أنشئ مجلداً للمشروع، وفيه خمسة مجلدات فقط:
   • rawdata: البيانات الخام كما نزّلتها. لا تكتب فيه شيئاً أبداً.
   • derivatives/eeglab: كل ما تنتجه المعالجة، بمجلد لكل مشارك.
   • code: السكربتات. هي التي تعيد إنتاج كل شيء آخر.
   • figures: الرسوم النهائية.
   • logs: ملفات الأخطاء التي يكتبها سكربت الدفعات من الدرس السابق.

هذا نفس منطق BIDS: البيانات الخام في مكان، والمشتقات (derivatives) في مكان آخر، بنفس أسماء المشاركين.

ثانياً: الأسماء

2. سمِّ كل ملف من نفس الأجزاء وبنفس الترتيب: المشارك، ثم المهمة، ثم وصف المرحلة، ثم النوع. مثال: sub-002_task-FaceRecognition_desc-clean_eeg.set. الجزء desc- يقول أي مرحلة هذه، والباقي منسوخ من الملف الخام.
3. اجعل اسم الداتاست داخل EEGLAB يقول نفس الشيء. عند الحفظ من File › ثم Save current dataset as اكتب الاسم الكامل، وغيّر Dataset name من Edit › ثم Dataset info عند الحاجة.

ثالثاً: التخزين

4. افتح مجلد rawdata في مستكشف الملفات، وانظر حجم ملف .set لمشارك واحد. اضربه في عدد المشاركين، ثم في عدد المراحل المستمرة التي تنوي حفظها.
5. قرّر ماذا تحفظ قبل أن تشغّل. قاعدة عملية:
   • احفظ ما هو بطيء أو يعتمد على حكمك: أوزان ICA، وقائمة القنوات السيئة، وأرقام المكوّنات التي حذفتها.
   • أعد حسابه ما هو سريع وآلي: الفلاتر، والمرجع، والتقطيع، والخط القاعدي.
   • احفظ دائماً النسخة النهائية التي تدخل الإحصاء.

رابعاً: حوّل بياناتك إلى BIDS

6. إذا كانت بياناتك الخام ليست بصيغة BIDS، فإضافة EEG-BIDS المرفقة مع EEGLAB تحوّلها. افتح File › ثم BIDS tools › ثم BIDS export wizard (from raw EEG to BIDS)، واتبع الخطوات: الملفات، ثم المهمة، ثم المشاركين، ثم الأحداث.
7. إذا كانت عندك STUDY جاهزة، فاستخدم File › ثم BIDS tools › ثم Export STUDY to BIDS folder.
8. افحص الناتج بـ File › ثم BIDS tools › ثم Validate BIDS dataset. يفتح صفحة الفاحص الرسمي في المتصفح.

D4 نفسها مثال على BIDS جاهز: افتح مجلدها وانظر dataset_description.json و README و task-FaceRecognition_events.json ومجلدات sub-002 وما بعدها.

لمشاركة ملف واحد مع شخص يستخدم برنامجاً آخر، يكتبه File › ثم Export › ثم Data to EDF/BDF/GDF file بصيغة قياسية تقرؤها أغلب برامج EEG (يحتاج إضافة Biosig من درس التثبيت). استخدمه للمشاركة فقط، وأبقِ داخل مشروعك ملفات .set ومجلد BIDS.

كيف أكتبها بالكود؟

[ALLEEG, EEG, CURRENTSET, ALLCOM] = eeglab;
eeglabRoot = fileparts(which('eeglab'));

% Project layout: raw data stay untouched, results go to derivatives
projectRoot = pwd;   % run from inside faces_project
bidsRoot    = fullfile(projectRoot, 'rawdata');            % ds002718 lives here
derivRoot   = fullfile(projectRoot, 'derivatives', 'eeglab');
folders = {bidsRoot, derivRoot, fullfile(projectRoot, 'code'), ...
           fullfile(projectRoot, 'figures'), fullfile(projectRoot, 'logs')};
for k = 1:numel(folders)
    if ~exist(folders{k}, 'dir'), mkdir(folders{k}); end
end

% Storage estimate from the raw files on disk
rawFiles  = dir(fullfile(bidsRoot, 'sub-*', 'eeg', '*_eeg.set'));
rawGB     = sum([rawFiles.bytes]) / 1e9;
nSubjects = numel(rawFiles);
fprintf('%d subject(s) on disk, %.2f GB of raw data\n', nSubjects, rawGB);

% Each continuous stage you save costs about one raw copy per subject
nSavedStages = 2;   % clean continuous + epochs
fprintf('Derivatives for these subjects: up to about %.1f GB\n', rawGB * nSavedStages);
fprintf('Full dataset (18 subjects): about %.1f GB raw\n', 18 * rawGB / max(nSubjects, 1));

% BIDS-style derivative name for one subject and one stage
subj   = 'sub-002';
stage  = 'clean';
outDir = fullfile(derivRoot, subj, 'eeg');
if ~exist(outDir, 'dir'), mkdir(outDir); end
outName = sprintf('%s_task-FaceRecognition_desc-%s_eeg.set', subj, stage);
fprintf('Save stage "%s" as %s\n', stage, fullfile(outDir, outName));

% Small files are cheap: keep ICA weights apart from the data
% icaInfo = struct('icaweights', EEG.icaweights, 'icasphere', EEG.icasphere, ...
%                  'icachansind', EEG.icachansind);
% save(fullfile(outDir, sprintf('%s_task-FaceRecognition_desc-ica.mat', subj)), '-struct', 'icaInfo');

% Convert a non-BIDS dataset (here D1) to BIDS with EEG-BIDS
data = struct('file', {fullfile(eeglabRoot, 'sample_data', 'eeglab_data.set')});
% Practice export only: delete d1_bids when you are done
bids_export(data, 'targetdir', fullfile(projectRoot, 'd1_bids'), ...
    'tInfo', struct('TaskName', 'attention', 'PowerLineFrequency', 60));

أي قيمة أختار؟

كيف أتأكد أنها نجحت؟

• مجلد المشروع فيه الخمسة مجلدات، ولم يتغيّر أي ملف في rawdata منذ نزّلته.
• السكربت يطبع عدد المشاركين وحجم بياناتهم الخام والتقدير الكلي.
• كل ملف في derivatives اسمه يبدأ بـ sub- ويحتوي desc- باسم مرحلته.
• المجلد d1_bids فيه dataset_description.json ومجلد sub-001.

ما الأخطاء التي يقع فيها كثيرون؟

• الحفظ فوق الملف الخام. File › ثم Resave current dataset(s) يكتب فوق الملف المفتوح. استخدم دائماً File › ثم Save current dataset as مع اسم المرحلة.
• حفظ كل مرحلة “احتياطاً”. خمس مراحل في 18 مشاركاً تعني أكثر من 20 جيجابايت من D4 وحدها، وأغلبها يُعاد حسابه في دقائق.
• أسماء مثل final2_new_REAL.set. بعد شهر لا أحد يعرف الفرق. اسم المرحلة في desc- يكفي، والإعدادات مكانها السكربت في code.
• فصل السكربت عن النتائج. نتيجة بلا السكربت الذي أنتجها لا يمكن إعادتها. احفظ السكربت مع كل تشغيل، أو استخدم نظام نسخ مثل git لمجلد code.

للتوسّع

• EEGLAB Tutorial: https://eeglab.org/tutorials/04_Import/BIDS.html (4. Import data > d. BIDS)
• EEG-BIDS (GitHub): https://github.com/sccn/EEG-BIDS (bids_export.m, bids_export_example.m)
• BIDS specification: https://bids-specification.readthedocs.io/ (Derivatives)
• From raw EEG to BIDS in 2 minutes: https://www.youtube.com/watch?v=LIiRj8-BVk4 (الفيديو كاملاً)