Convertir XDF a PDF

Un PDF es útil cuando una grabación XDF debe compartirse como un informe con diseño fijo, imprimirse o archivarse para su revisión. Debido a que los archivos XDF normalmente contienen mediciones en lugar de páginas, la conversión requiere la aplicación o el flujo de trabajo de análisis que comprenda la variante específica de XDF.

Qué es el formato XDF

XDF es una extensión de archivo ambigua. El uso científico más común es el Extensible Data Format utilizado por aplicaciones de Lab Streaming Layer (LSL), como LabRecorder. Estos archivos pueden contener streams sincronizados de EEG, ECG, movimiento, seguimiento ocular, audio y marcadores de eventos, junto con marcas de tiempo y metadatos.

Un archivo XDF de LSL almacena datos de series temporales, no páginas de documentos, fuentes ni un diseño predefinido. Otros productos también utilizan .xdf, incluidos sistemas relacionados con Microsoft R, como RevoScaleR. Es posible que un archivo XDF de un producto no pueda ser leído por software diseñado para otro, por lo que debe identificarse la aplicación que lo creó antes de elegir un conversor.

Qué es el formato PDF

PDF es un formato de documento con diseño fijo que conserva las dimensiones de la página, el texto, los gráficos y, en muchas exportaciones, la información de las fuentes en distintos sistemas operativos. Es adecuado para imprimir y distribuir, pero no es un reemplazo sin pérdidas de la grabación de origen: las muestras, las marcas de tiempo, los metadatos, las etiquetas de los canales y los marcadores de eventos pueden representarse de forma selectiva, resumirse u omitirse.

Cómo convertir un archivo XDF de LSL

No existe un conversor universal de un solo clic para archivos XDF de LabRecorder porque el origen contiene streams en lugar de un diseño de documento. Un método de escritorio fiable consiste en leer los streams con pyxdf, representarlos con Matplotlib y escribir las gráficas en un PDF.

1. Instale Python 3 y los paquetes necesarios con python -m pip install pyxdf matplotlib numpy.
2. Guarde el siguiente código como xdf_to_pdf.py y reemplace input.xdf por el nombre del archivo de origen.
3. Ejecute python xdf_to_pdf.py. El script crea xdf_report.pdf, añadiendo una página por cada stream numérico.

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)

Esto produce un informe visual, no una exportación de datos preparada para el análisis. En grabaciones largas, represente intervalos de tiempo seleccionados o canales representativos; representar cada muestra puede generar archivos PDF lentos y de gran tamaño. Añada explícitamente las unidades, los nombres de los canales, los marcadores de eventos y los metadatos de la grabación cuando sean necesarios en el informe.

Otros flujos de trabajo de escritorio

Para grabaciones de EEG y otras grabaciones fisiológicas, inspeccione el archivo con una herramienta científica compatible con XDF, como MNE-Python cuando su lector de XDF esté disponible, o cárguelo con pyxdf y genere figuras o un informe de análisis. Utilice el comando File → Print o de exportación a PDF del programa después de comprobar la selección de canales, las marcas de tiempo, las unidades y los marcadores.

Para un archivo XDF creado por un sistema de datos de R, ábralo con el paquete de R correspondiente —como el paquete utilizado por RevoScaleR—, exporte la tabla o la gráfica necesaria y cree el PDF mediante el flujo de trabajo configurado de File → Print o File → Knit Document de RStudio. No utilice un lector de XDF de LSL para esa variante sin confirmar la compatibilidad.

Convertidores en línea y límites de compatibilidad

Los servicios generales en línea, como CloudConvert y Zamzar, solo deben considerarse si su página de carga actual indica explícitamente la variante exacta de XDF y puede previsualizar o procesar el archivo. Por lo general, no interpretan la estructura de series temporales de LabRecorder como un informe, y cargar datos de EEG, biométricos, clínicos o propietarios puede infringir los requisitos de privacidad o de gestión de investigaciones. Adobe Acrobat y las impresoras PDF habituales no pueden abrir de forma significativa datos XDF sin procesar de LSL; solo pueden procesar un informe o una imagen producidos por una aplicación compatible con XDF.

Conserve el XDF original junto con el PDF. Compruebe si hay muestras descartadas, marcadores ausentes, conversión de marcas de tiempo, metadatos incompletos y reducción de frecuencia de muestreo antes de utilizar el PDF como registro de análisis; conserve los datos de origen y la configuración de procesamiento para garantizar la reproducibilidad.