Convertir XDF en PDF

Un PDF est utile lorsqu’un enregistrement XDF doit être partagé sous forme de rapport à mise en page fixe, imprimé ou archivé pour examen. Comme les fichiers XDF contiennent généralement des mesures plutôt que des pages, la conversion nécessite l’application ou le workflow d’analyse qui comprend la variante XDF concernée.

Qu’est-ce que le format XDF ?

XDF est une extension de nom de fichier ambiguë. Son utilisation scientifique la plus courante est l’Extensible Data Format utilisé par les applications Lab Streaming Layer (LSL), telles que LabRecorder. Ces fichiers peuvent contenir des flux synchronisés d’EEG, d’ECG, de mouvement, d’oculométrie, d’audio et de marqueurs d’événements, avec des horodatages et des métadonnées.

Un fichier XDF LSL stocke des données de séries temporelles, et non des pages de document, des polices ou une mise en page prédéfinie. D’autres produits utilisent également .xdf, notamment les systèmes liés à Microsoft R tels que RevoScaleR. Un fichier XDF provenant d’un produit peut être illisible par un logiciel conçu pour un autre : identifiez donc l’application qui l’a créé avant de choisir un convertisseur.

Qu’est-ce que le format PDF ?

PDF est un format de document à mise en page fixe qui préserve les dimensions des pages, le texte, les graphiques et, dans de nombreuses exportations, les informations de police entre les systèmes d’exploitation. Il convient à l’impression et à la distribution, mais ne constitue pas un remplacement sans perte de l’enregistrement source : les échantillons, les horodatages, les métadonnées, les libellés de canaux et les marqueurs d’événements peuvent être représentés de manière sélective, résumés ou omis.

Comment convertir un fichier XDF LSL

Il n’existe pas de convertisseur universel en un clic pour les fichiers XDF de LabRecorder, car la source contient des flux plutôt qu’une mise en page de document. Une méthode de bureau fiable consiste à lire les flux avec pyxdf, à les représenter avec Matplotlib et à enregistrer les graphiques dans un PDF.

1. Installez Python 3 et les packages requis avec python -m pip install pyxdf matplotlib numpy.
2. Enregistrez le code suivant sous xdf_to_pdf.py et remplacez input.xdf par le nom du fichier source.
3. Exécutez python xdf_to_pdf.py. Le script crée xdf_report.pdf en ajoutant une page pour chaque flux numérique.

import numpy as np
import pyxdf
import matplotlib.pyplot as plt
from matplotlib.backends.backend_pdf import PdfPages

streams, _ = pyxdf.load_xdf('input.xdf')

with PdfPages('xdf_report.pdf') as pdf:
    for stream in streams:
        samples = np.asarray(stream.get('time_series'))
        times = np.asarray(stream.get('time_stamps'))
        info = stream.get('info', {})
        name_values = info.get('name', ['Unnamed stream'])
        name = name_values[0] if name_values else 'Unnamed stream'

        if samples.size == 0 or samples.dtype.kind not in 'iuf':
            continue
        if samples.ndim == 1:
            samples = samples[:, None]
        if times.size != samples.shape[0]:
            continue

        times = times - times[0]
        figure, axes = plt.subplots(
            samples.shape[1], 1, sharex=True, figsize=(11.69, 8.27), squeeze=False
        )
        for channel, axis in enumerate(axes[:, 0]):
            axis.plot(times, samples[:, channel], linewidth=0.6)
            axis.set_ylabel('Ch ' + str(channel + 1))
            axis.grid(True, linewidth=0.3)
        axes[-1, 0].set_xlabel('Seconds from first sample')
        figure.suptitle(name)
        figure.tight_layout()
        pdf.savefig(figure)
        plt.close(figure)

Cette procédure produit un rapport visuel, et non un export de données prêt pour l’analyse. Pour les enregistrements longs, représentez des intervalles de temps sélectionnés ou des canaux représentatifs ; représenter chaque échantillon peut créer des PDF lents et volumineux. Ajoutez explicitement les unités, les noms de canaux, les marqueurs d’événements et les métadonnées de l’enregistrement lorsqu’ils sont nécessaires dans le rapport.

Autres workflows de bureau

Pour les enregistrements EEG et autres enregistrements physiologiques, inspectez le fichier avec un outil scientifique compatible avec XDF, tel que MNE-Python lorsque son lecteur XDF est disponible, ou chargez-le avec pyxdf et générez des figures ou un rapport d’analyse. Utilisez la commande File → Print ou d’exportation PDF du programme après avoir vérifié la sélection des canaux, les horodatages, les unités et les marqueurs.

Pour un fichier XDF créé par un système de données R, ouvrez-le avec le package R correspondant, tel que le package utilisé par RevoScaleR, puis exportez la table ou le graphique requis et créez le PDF via le workflow File → Print de RStudio ou un workflow File → Knit Document configuré. N’utilisez pas de lecteur XDF LSL pour cette variante sans avoir confirmé la compatibilité.

Convertisseurs en ligne et limites de compatibilité

Les services en ligne généraux tels que CloudConvert et Zamzar ne doivent être envisagés que si leur page de téléversement actuelle répertorie explicitement la variante XDF exacte et peut prévisualiser ou traiter le fichier. En général, ils n’interprètent pas la structure de séries temporelles de LabRecorder comme un rapport, et le téléversement de données EEG, biométriques, cliniques ou propriétaires peut enfreindre les exigences de confidentialité ou de gestion de la recherche. Adobe Acrobat et les imprimantes PDF ordinaires ne peuvent pas ouvrir de manière pertinente des données XDF LSL brutes ; elles peuvent uniquement traiter un rapport ou une image produit par une application compatible avec XDF.

Conservez le fichier XDF original avec le PDF. Vérifiez l’absence d’échantillons supprimés, de marqueurs manquants, de conversions d’horodatage, de métadonnées incomplètes et de sous-échantillonnage avant d’utiliser le PDF comme enregistrement d’analyse ; conservez les données sources et les paramètres de traitement afin de garantir la reproductibilité.