स्वागत है! इस ट्यूटोरियल में हम सीखेंगे कि कई डिवाइसों से Emotiv EEG डेटा इकट्ठा करने और उसे सिंक्रोनाइज़ करने के लिए पायथन (Python) में लैब स्ट्रीमिंग लेयर (LSL) का उपयोग कैसे करें। इसके लिए पायथन प्रोग्रामिंग भाषा के बुनियादी व्यावहारिक ज्ञान की आवश्यकता होगी।

आप क्या सीखेंगे

1. लैब स्ट्रीमिंग लेयर (LSL) क्या है और शोधकर्ता इसका उपयोग क्यों करते हैं

2. कई Emotiv EEG डिवाइसों से सिंक्रोनाइज़्ड डेटा कैसे इकट्ठा करें

3. इकट्ठा किए गए डेटा को कैसे आयात (import) करें और उसकी जांच कैसे करें

1.1 LSL क्या है और यह किस काम आता है?

लैब स्ट्रीमिंग लेयर (LSL) एक ओपन-सोर्स टूलबॉक्स है जिसका उपयोग विभिन्न सेंसर हार्डवेयर से न्यूरल, फिजियोलॉजिकल, और बिहेवियरल डेटा स्ट्रीम को भेजने, प्राप्त करने और सिंक्रोनाइज़ करने के लिए किया जा सकता है। तेजी से सक्षम, सटीक और मोबाइल ब्रेन- और बॉडी-सेंसिंग हार्डवेयर डिवाइस (जैसे Emotiv EEG सिस्टम) न्यूरोसाइंस को लैब से बाहर रीयल-टाइम डेटा की दुनिया में ला रहे हैं। जहां कभी EEG और MEG जैसे मस्तिष्क माप अनुसंधान प्रयोगशालाओं तक ही सीमित थे, वहीं मोबाइल डिवाइस हमें अधिक प्राकृतिक वातावरण में और एक साथ कई लोगों से डेटा इकट्ठा करने की सुविधा देते हैं।

एक शोधकर्ता एक ही संगीत सुनने वाले दो लोगों के बीच शारीरिक समानता (physiological synchrony) में रुचि रख सकता है। LSL हमें दो EEG हेडसेट से अलग-अलग डेटा एकत्र करने में मदद कर सकता है जो ध्वनि की प्रस्तुति के साथ सिंक्रोनाइज़्ड भी हो।

LSL के अन्य उपयोगों के कुछ उदाहरण:

1. एक प्रयोग से चल रहे EEG डेटा में इवेंट मार्कर जोड़ना

2. एक ही प्रतिभागी के लिए कई स्रोतों से प्राप्त डेटा को समय के अनुसार संरेखित (time-align) करना (जैसे हृदय गति, EMG, EEG)

3. कई प्रतिभागियों से प्राप्त डेटा को समय के अनुसार संरेखित करना (जैसे EEG हाइपरस्कैनिंग अध्ययन)

1.2 LSL कैसे काम करता है?

लैब स्ट्रीमिंग लेयर (Lab Streaming Layer) कई अन्य डिवाइसों के बीच रीयल-टाइम टाइम-सीरीज़ डेटा के आदान-प्रदान के लिए एक प्रोटोकॉल है। LSL को पायथन (Python), MATLAB, C++, Java और अन्य प्रोग्रामिंग भाषाओं के लिए ओपन-सोर्स लाइब्रेरीज़ का उपयोग करके लागू किया जा सकता है।

इसकी मुख्य कार्यप्रणाली LSL डेटा स्ट्रीम (data streams) के इर्द-गिर्द घूमती है:

1. एक अधिग्रहण डिवाइस/सॉफ्टवेयर डेटा एकत्र करता है और एक डेटा स्ट्रीम बनाता है - फिजियोलॉजिकल डेटा को EEG रिकॉर्डिंग डिवाइस, आई-ट्रैकर्स, मोशन कैप्चर सिस्टम, हार्ट रेट मॉनिटर आदि से LSL में स्ट्रीम किया जा सकता है, जिसमें मेटाडेटा (सैंपलिंग दर, डेटा प्रकार, चैनल जानकारी आदि) शामिल हैं - प्रयोगों से इवेंट मार्कर (उदाहरण के लिए PsychoPy का उपयोग करके) को भी LSL का उपयोग करके डेटा स्ट्रीम के रूप में भेजा जा सकता है

2. डेटा स्ट्रीम को नेटवर्क पर प्रकाशित (publish) किया जाता है - LSL का उपयोग करके डेटा इसी तरह भेजा जाता है; डेटा स्ट्रीम को नेटवर्क पर "ब्रॉडकास्ट" किया जाता है - प्रकाशित स्ट्रीम नेटवर्क पर उपलब्ध होती हैं और उसी नेटवर्क पर अन्य LSL-समर्थित डिवाइसों द्वारा खोजी जा सकती हैं - LSL नेटवर्क टाइम प्रोटोकॉल (NTP) का पालन करते हुए एक कॉमन क्लॉक के आधार पर प्रत्येक डेटा चंक या सैंपल को एक टाइमस्टैम्प देता है। - स्ट्रीम को एक "आउटलेट" के माध्यम से सैंपल-दर-सैंपल (या चंक-दर-चंक) पुश किया जाता है

3. कलेक्शन डिवाइस डेटा स्ट्रीम को "सब्सक्राइब" करते हैं - LSL का उपयोग करके डेटा इसी तरह प्राप्त किया जाता है - एक ही नेटवर्क पर मौजूद कलेक्शन डिवाइस "इनलेट्स" के माध्यम से प्रकाशित डेटा स्ट्रीम प्राप्त करते हैं। - प्रत्येक इनलेट केवल एक आउटलेट से स्ट्रीम सैंपल और मेटाडेटा प्राप्त करता है

4. डेटा सहेजें (Save data) - किसी डेटा स्ट्रीम को सब्सक्राइब करने पर, आप इसे अपनी पसंदीदा प्रोग्रामिंग भाषा में एक वेरिएबल में सहेज सकते हैं, या इसे .xdf जैसे मानक प्रारूप में सहेजने के लिए LSL के दिए गए सॉफ़्टवेयर LabRecorder का उपयोग कर सकते हैं।

2.0 ट्यूटोरियल का अवलोकन

इस ट्यूटोरियल में, हम एक उदाहरण प्रयोगात्मक सेटअप लेंगे और पायथन में LSL का उपयोग करके इसे लागू करने के लिए आवश्यक चरणों और कोड के माध्यम से आपका मार्गदर्शन करेंगे। हम Emotiv हेडसेट पहने दो लोगों से EEG डेटा एकत्र करते समय ध्वनि चलाने के लिए पायथन का उपयोग करेंगे। हम EEG डेटा एकत्र करने के लिए EmotivPRO चलाने वाले दो कंप्यूटरों का उपयोग करेंगे, और प्रत्येक स्ट्रीम को एक अलग LSL आउटलेट के माध्यम से प्रसारित करेंगे। हम एक ऑडियो फ़ाइल चलाने के लिए एक पायथन लाइब्रेरी का उपयोग करेंगे और साथ ही प्रत्येक बार फ़ाइल शुरू होने पर एक ट्रिगर भेजेंगे।

चरण (STEPS):

1. LSL आउटलेट्स के माध्यम से डेटा स्ट्रीम करने के लिए EmotivPRO का उपयोग करें जिसमें EEG डेटा (और/या मोशन, संपर्क गुणवत्ता, सिग्नल गुणवत्ता आदि) शामिल हैं। 2. एक पायथन स्क्रिप्ट का उपयोग करके एक ऑडियो ट्रैक चलाएं, और साथ ही दूसरे LSL के माध्यम से एक ट्रिगर भेजें। एक LSL इनलेट के माध्यम से तीनों डेटा स्ट्रीम को कैप्चर करने और सहेजने के लिए LabRecorder का उपयोग करें।

2.1 चरण 1 - सेटअप और इंस्टॉल

1. डेटा एकत्र करने के लिए आपको समर्थित डेटा अधिग्रहण उपकरणों की आवश्यकता होगी
   • Emotiv के सभी ब्रेनवेयर उपकरण EmotivPRO सॉफ़्टवेयर के माध्यम से LSL से जुड़ते हैं

2. अपने डिवाइस पर EmotivPRO इंस्टॉल करें। LSL का उपयोग करने के लिए आपको एक मान्य EmotivPRO लाइसेंस की आवश्यकता होगी।

3. निम्नलिखित कमांड के साथ पायथन LSL लाइब्रेरी इंस्टॉल करें:
   pip install pylsl

4. LabRecorder सॉफ्टवेयर डाउनलोड करें। यह एक सरल, मुफ्त ऐप है जिसे कमांड लाइन से या स्टैंडअलोन डाउनलोड के उपयोग से चलाया जा सकता है

5. हमारे प्रयोग के लिए: पायथन का उपयोग करके ऑडियो चलाने के लिए आवश्यक पैकेज इंस्टॉल करें
   pip install sounddevice soundfile

2.2 चरण 3 - EmotivPRO से LSL स्ट्रीम के जरिए डेटा भेजें

1. ऐप के ऊपरी दाएं कोने में "..." ढूंढें, सेटिंग्स पर जाएं

2. 'Lab Streaming Layer' अनुभाग और 'Outlet' उप-अनुभाग ढूंढें

3. उन सभी डेटा प्रकारों (datatypes) का चयन करें जिन्हें आप प्रसारित करना चाहते हैं

4. डेटा प्रारूप का चयन करें (32-बिट फ़्लोट या 64-बिट डबल)

5. चुनें कि डेटा को सैंपल-दर-सैंपल भेजना है या सैंपल के टुकड़ों (chunks) में भेजना है

6. LSL डेटा स्ट्रीम प्रसारित करने के लिए 'Start' पर क्लिक करें

2.3 चरण 4 - ऑडियो चलाने और ट्रिगर भेजने के लिए पायथन स्क्रिप्ट का उपयोग करें

1. निम्नलिखित कोडब्लॉक को कॉपी करके एक पायथन फ़ाइल में पेस्ट करें और इसे अपने कंप्यूटर पर सहेजें।

2. एक ऑडियो फ़ाइल (आदर्श रूप से एक .wav फ़ाइल) ढूंढें जिसे आप चलाना चाहते हैं और वेरिएबल audio_filepath को अपने कंप्यूटर पर अपनी ऑडियो फ़ाइल के फ़ाइलपथ से बदलकर स्क्रिप्ट को संपादित करें

3. कमांड लाइन के साथ इंटरैक्ट करने के लिए एक कमांड प्रॉम्प्ट खोलें और उस फ़ोल्डर पर जाएं जहाँ आपकी पायथन फ़ाइल संग्रहीत है

4. दर्ज करें: python3 filename.py
   • आपके पायथन इंस्टॉलेशन के आधार पर, आप python3 के बजाय python का उपयोग कर सकते हैं
   
   नोट: अपने प्रयोग के दौरान आप जो ऑडियो फ़ाइल चलाना चाहते हैं, उसके स्थान से /path/to/audio.wav को रिप्लेस करें।

"""
LSL Example: Play audio and send a trigger marker
<p>This script creates an LSL marker stream, waits for the user to<br>press ENTER, then plays an audio file and sends a marker that<br>can be synchronized with EEG data collected through LabRecorder.<br>"""</p>
<p>import sounddevice as sd<br>import soundfile as sf<br>from pylsl import StreamInfo, StreamOutlet</p>
<p>def wait_for_keypress():<br>print("Press ENTER to start audio playback and send an LSL marker.")<br>while True:<br>if input() == "":<br>break</p>
<p>def play_audio_and_send_marker(audio_file, outlet):<br>data, fs = sf.read(audio_file)</p>
<pre><code>print("Playing audio and sending LSL marker...")

marker_val = [1]
outlet.push_sample(marker_val)

sd.play(data, fs)
sd.wait()

print("Audio playback finished.")
</code></pre>
<p>if <strong>name</strong> == "<strong>main</strong>":</p>
<pre><code>info = StreamInfo(
    name="AudioMarkers",
    type="Markers",
    channel_count=1,
    nominal_srate=0,
    channel_format="int32",
    source_id="uniqueMarkerID12345"
)

outlet = StreamOutlet(info)

while True:
    wait_for_keypress()

    audio_filepath = "/path/to/audio.wav"

    play_audio_and_send_marker(
        audio_filepath,
        outlet
    )</code></pre><h2 dir="auto">2.4 STEP 5 - Use LabRecorder to view and save all LSL streams</h2><ol dir="auto"><li data-preset-tag="p"><p>Open LabRecorder</p></li><li data-preset-tag="p"><p>Press <code>Update</code>. The available LSL streams should be visible in the stream list<br>• You should be able to see streams from both EmotivPROs (usually called “Emotiv-<br>DataStream”) and the marker stream (called “AudioMarkers”)</p></li><li data-preset-tag="p"><p>Click <code>Browse</code> to select a location to store data (and set other parameters)</p></li><li data-preset-tag="p"><p>Select all streams and press <code>Record</code> to start recording</p></li></ol><h2 dir="auto">3.0 Working with the data</h2><p dir="auto">LabRecorder outputs an XDF file (Extensible Data Format) that contains data from all the streams. XDF files are structured into, streams, each with a different header that describes what it contains (device name, data type, sampling rate, channels, and more). You can use the below codeblock to open your XDF file and display some basic information.</p><p dir="auto"><strong>Note: Replace </strong><code><strong>/path/to/your/file.xdf</strong></code><strong> with the filepath for your LabRecorder XDF output file.</strong></p><pre data-language="JSX"><code>import pyxdf
</code></pre>
<p>import mne<br>import matplotlib.pyplot as plt<br>import numpy as np</p>
<h1>Give the path to your LSL output file here.</h1>
<p>data_path = "/path/to/your/file.xdf"</p>
<h1>Load the XDF file.</h1>
<p>streams, fileheader = pyxdf.load_xdf(data_path)</p>
<p>print("XDF File Header:", fileheader)<br>print("Number of streams found:", len(streams))</p>
<p>for i, stream in enumerate(streams):<br>print("\nStream", i + 1)<br>print("Stream Name:", stream["info"]["name"][0])<br>print("Stream Type:", stream["info"]["type"][0])<br>print("Number of Channels:", stream["info"]["channel_count"][0])</p>
<pre><code>sfreq = float(stream["info"]["nominal_srate"][0])
print("Sampling Rate:", sfreq)

print("Number of Samples:", len(stream["time_series"]))
print("First 5 data points:", stream["time_series"][:5])

channel_names = [
    chan["label"][0]
    for chan in stream["info"]["desc"][0]["channels"][0]["channel"]
]

print("Channel Names:", channel_names)

channel_types = "eeg"</code></pre><h3 dir="auto"><br></h3><h2 dir="auto">4.0 Additional Resources</h2><h4 dir="auto">Official Documentation</h4><ol dir="auto"><li data-preset-tag="p"><p>Check out the <a href="1. Check out the online documentation, including the official README file on GitHub 2. Additional resources: • Code to run LSL using Emotiv’s devices, with example scripts • Useful LSL demo on YouTube • SCCN LSL GitHub repository for all associated libraries • LSL GitHub repository for a collection a submodules and apps 3. HyPyP analysis pipeline for Hyperscanning studies" target="_blank">online documentation</a>, including the <a href="https://github.com/sccn/labstreaminglayer/" target="_blank">official README file on GitHub</a></p></li><li data-preset-tag="p"><p>Additional resources:<br>• <a href="https://github.com/Emotiv/labstreaminglayer" target="_blank">Code</a> to run LSL using Emotiv’s devices, with example scripts<br>• Useful <a href="https://www.youtube.com/watch?v=Y1at7yrcFW0&amp;list=PLVnr33MP5RMRhGwY36zHHDOmAaYTB138D" target="_blank">LSL demo on YouTube</a><br>• <a href="https://github.com/sccn/labstreaminglayer" target="_blank">SCCN LSL GitHub repository</a> for all associated libraries<br>• <a href="https://github.com/labstreaminglayer" target="_blank">LSL GitHub repository</a> for a collection a submodules and apps</p></li><li data-preset-tag="p"><p><a href="https://academic.oup.com/scan/article/16/1-2/72/5919711?login=false" target="_blank">HyPyP analysis pipeline</a> for Hyperscanning studies</p></li></ol>
</code></pre

"""
LSL Example: Play audio and send a trigger marker
<p>This script creates an LSL marker stream, waits for the user to<br>press ENTER, then plays an audio file and sends a marker that<br>can be synchronized with EEG data collected through LabRecorder.<br>"""</p>
<p>import sounddevice as sd<br>import soundfile as sf<br>from pylsl import StreamInfo, StreamOutlet</p>
<p>def wait_for_keypress():<br>print("Press ENTER to start audio playback and send an LSL marker.")<br>while True:<br>if input() == "":<br>break</p>
<p>def play_audio_and_send_marker(audio_file, outlet):<br>data, fs = sf.read(audio_file)</p>
<pre><code>print("Playing audio and sending LSL marker...")

marker_val = [1]
outlet.push_sample(marker_val)

sd.play(data, fs)
sd.wait()

print("Audio playback finished.")
</code></pre>
<p>if <strong>name</strong> == "<strong>main</strong>":</p>
<pre><code>info = StreamInfo(
    name="AudioMarkers",
    type="Markers",
    channel_count=1,
    nominal_srate=0,
    channel_format="int32",
    source_id="uniqueMarkerID12345"
)

outlet = StreamOutlet(info)

while True:
    wait_for_keypress()

    audio_filepath = "/path/to/audio.wav"

    play_audio_and_send_marker(
        audio_filepath,
        outlet
    )</code></pre><h2 dir="auto">2.4 STEP 5 - Use LabRecorder to view and save all LSL streams</h2><ol dir="auto"><li data-preset-tag="p"><p>Open LabRecorder</p></li><li data-preset-tag="p"><p>Press <code>Update</code>. The available LSL streams should be visible in the stream list<br>• You should be able to see streams from both EmotivPROs (usually called “Emotiv-<br>DataStream”) and the marker stream (called “AudioMarkers”)</p></li><li data-preset-tag="p"><p>Click <code>Browse</code> to select a location to store data (and set other parameters)</p></li><li data-preset-tag="p"><p>Select all streams and press <code>Record</code> to start recording</p></li></ol><h2 dir="auto">3.0 Working with the data</h2><p dir="auto">LabRecorder outputs an XDF file (Extensible Data Format) that contains data from all the streams. XDF files are structured into, streams, each with a different header that describes what it contains (device name, data type, sampling rate, channels, and more). You can use the below codeblock to open your XDF file and display some basic information.</p><p dir="auto"><strong>Note: Replace </strong><code><strong>/path/to/your/file.xdf</strong></code><strong> with the filepath for your LabRecorder XDF output file.</strong></p><pre data-language="JSX"><code>import pyxdf
</code></pre>
<p>import mne<br>import matplotlib.pyplot as plt<br>import numpy as np</p>
<h1>Give the path to your LSL output file here.</h1>
<p>data_path = "/path/to/your/file.xdf"</p>
<h1>Load the XDF file.</h1>
<p>streams, fileheader = pyxdf.load_xdf(data_path)</p>
<p>print("XDF File Header:", fileheader)<br>print("Number of streams found:", len(streams))</p>
<p>for i, stream in enumerate(streams):<br>print("\nStream", i + 1)<br>print("Stream Name:", stream["info"]["name"][0])<br>print("Stream Type:", stream["info"]["type"][0])<br>print("Number of Channels:", stream["info"]["channel_count"][0])</p>
<pre><code>sfreq = float(stream["info"]["nominal_srate"][0])
print("Sampling Rate:", sfreq)

print("Number of Samples:", len(stream["time_series"]))
print("First 5 data points:", stream["time_series"][:5])

channel_names = [
    chan["label"][0]
    for chan in stream["info"]["desc"][0]["channels"][0]["channel"]
]

print("Channel Names:", channel_names)

channel_types = "eeg"</code></pre><h3 dir="auto"><br></h3><h2 dir="auto">4.0 Additional Resources</h2><h4 dir="auto">Official Documentation</h4><ol dir="auto"><li data-preset-tag="p"><p>Check out the <a href="1. Check out the online documentation, including the official README file on GitHub 2. Additional resources: • Code to run LSL using Emotiv’s devices, with example scripts • Useful LSL demo on YouTube • SCCN LSL GitHub repository for all associated libraries • LSL GitHub repository for a collection a submodules and apps 3. HyPyP analysis pipeline for Hyperscanning studies" target="_blank">online documentation</a>, including the <a href="https://github.com/sccn/labstreaminglayer/" target="_blank">official README file on GitHub</a></p></li><li data-preset-tag="p"><p>Additional resources:<br>• <a href="https://github.com/Emotiv/labstreaminglayer" target="_blank">Code</a> to run LSL using Emotiv’s devices, with example scripts<br>• Useful <a href="https://www.youtube.com/watch?v=Y1at7yrcFW0&amp;list=PLVnr33MP5RMRhGwY36zHHDOmAaYTB138D" target="_blank">LSL demo on YouTube</a><br>• <a href="https://github.com/sccn/labstreaminglayer" target="_blank">SCCN LSL GitHub repository</a> for all associated libraries<br>• <a href="https://github.com/labstreaminglayer" target="_blank">LSL GitHub repository</a> for a collection a submodules and apps</p></li><li data-preset-tag="p"><p><a href="https://academic.oup.com/scan/article/16/1-2/72/5919711?login=false" target="_blank">HyPyP analysis pipeline</a> for Hyperscanning studies</p></li></ol>
</code></pre

"""
LSL Example: Play audio and send a trigger marker
<p>This script creates an LSL marker stream, waits for the user to<br>press ENTER, then plays an audio file and sends a marker that<br>can be synchronized with EEG data collected through LabRecorder.<br>"""</p>
<p>import sounddevice as sd<br>import soundfile as sf<br>from pylsl import StreamInfo, StreamOutlet</p>
<p>def wait_for_keypress():<br>print("Press ENTER to start audio playback and send an LSL marker.")<br>while True:<br>if input() == "":<br>break</p>
<p>def play_audio_and_send_marker(audio_file, outlet):<br>data, fs = sf.read(audio_file)</p>
<pre><code>print("Playing audio and sending LSL marker...")

marker_val = [1]
outlet.push_sample(marker_val)

sd.play(data, fs)
sd.wait()

print("Audio playback finished.")
</code></pre>
<p>if <strong>name</strong> == "<strong>main</strong>":</p>
<pre><code>info = StreamInfo(
    name="AudioMarkers",
    type="Markers",
    channel_count=1,
    nominal_srate=0,
    channel_format="int32",
    source_id="uniqueMarkerID12345"
)

outlet = StreamOutlet(info)

while True:
    wait_for_keypress()

    audio_filepath = "/path/to/audio.wav"

    play_audio_and_send_marker(
        audio_filepath,
        outlet
    )</code></pre><h2 dir="auto">2.4 STEP 5 - Use LabRecorder to view and save all LSL streams</h2><ol dir="auto"><li data-preset-tag="p"><p>Open LabRecorder</p></li><li data-preset-tag="p"><p>Press <code>Update</code>. The available LSL streams should be visible in the stream list<br>• You should be able to see streams from both EmotivPROs (usually called “Emotiv-<br>DataStream”) and the marker stream (called “AudioMarkers”)</p></li><li data-preset-tag="p"><p>Click <code>Browse</code> to select a location to store data (and set other parameters)</p></li><li data-preset-tag="p"><p>Select all streams and press <code>Record</code> to start recording</p></li></ol><h2 dir="auto">3.0 Working with the data</h2><p dir="auto">LabRecorder outputs an XDF file (Extensible Data Format) that contains data from all the streams. XDF files are structured into, streams, each with a different header that describes what it contains (device name, data type, sampling rate, channels, and more). You can use the below codeblock to open your XDF file and display some basic information.</p><p dir="auto"><strong>Note: Replace </strong><code><strong>/path/to/your/file.xdf</strong></code><strong> with the filepath for your LabRecorder XDF output file.</strong></p><pre data-language="JSX"><code>import pyxdf
</code></pre>
<p>import mne<br>import matplotlib.pyplot as plt<br>import numpy as np</p>
<h1>Give the path to your LSL output file here.</h1>
<p>data_path = "/path/to/your/file.xdf"</p>
<h1>Load the XDF file.</h1>
<p>streams, fileheader = pyxdf.load_xdf(data_path)</p>
<p>print("XDF File Header:", fileheader)<br>print("Number of streams found:", len(streams))</p>
<p>for i, stream in enumerate(streams):<br>print("\nStream", i + 1)<br>print("Stream Name:", stream["info"]["name"][0])<br>print("Stream Type:", stream["info"]["type"][0])<br>print("Number of Channels:", stream["info"]["channel_count"][0])</p>
<pre><code>sfreq = float(stream["info"]["nominal_srate"][0])
print("Sampling Rate:", sfreq)

print("Number of Samples:", len(stream["time_series"]))
print("First 5 data points:", stream["time_series"][:5])

channel_names = [
    chan["label"][0]
    for chan in stream["info"]["desc"][0]["channels"][0]["channel"]
]

print("Channel Names:", channel_names)

channel_types = "eeg"</code></pre><h3 dir="auto"><br></h3><h2 dir="auto">4.0 Additional Resources</h2><h4 dir="auto">Official Documentation</h4><ol dir="auto"><li data-preset-tag="p"><p>Check out the <a href="1. Check out the online documentation, including the official README file on GitHub 2. Additional resources: • Code to run LSL using Emotiv’s devices, with example scripts • Useful LSL demo on YouTube • SCCN LSL GitHub repository for all associated libraries • LSL GitHub repository for a collection a submodules and apps 3. HyPyP analysis pipeline for Hyperscanning studies" target="_blank">online documentation</a>, including the <a href="https://github.com/sccn/labstreaminglayer/" target="_blank">official README file on GitHub</a></p></li><li data-preset-tag="p"><p>Additional resources:<br>• <a href="https://github.com/Emotiv/labstreaminglayer" target="_blank">Code</a> to run LSL using Emotiv’s devices, with example scripts<br>• Useful <a href="https://www.youtube.com/watch?v=Y1at7yrcFW0&amp;list=PLVnr33MP5RMRhGwY36zHHDOmAaYTB138D" target="_blank">LSL demo on YouTube</a><br>• <a href="https://github.com/sccn/labstreaminglayer" target="_blank">SCCN LSL GitHub repository</a> for all associated libraries<br>• <a href="https://github.com/labstreaminglayer" target="_blank">LSL GitHub repository</a> for a collection a submodules and apps</p></li><li data-preset-tag="p"><p><a href="https://academic.oup.com/scan/article/16/1-2/72/5919711?login=false" target="_blank">HyPyP analysis pipeline</a> for Hyperscanning studies</p></li></ol>
</code></pre