EEGLAB脑电数据预处理指导手册
EEGLAB脑电数据预处理指导手册
- 1 前期准备工作
- 1.1 书籍
- 1.2 网站
- 1.3 公众号
- 2 预处理流程
- 2.1 准备工作
- 2.2 眼电去除的标准
- 2.3 后续整理工作
- 3 叨叨几句
Hello，
这里是行上行下，我是喵君姐姐~
前段时间抽出时间写了Analyzer脑电数据的处理教程，没有想到获得了大家的一致好评，也有陈锐CR的转发和补充，真的十分感谢。
只是Analyer分析必须要有加密狗才可以，所以在留言区里大家一致要求写eeglab的教程。
虽然现在的点赞数还没有到100，但是大家都很热情，直接在后台私信或者微信私信强烈要求写教程了！！！
第一次被人催写教程，内心很复杂，既甜蜜又焦虑。不过还是谢谢你的支持呀，这样才让我有坚持写下去的动力。
那今天我就详细讲解一下，我们如何使用eeglab，处理脑电数据？
（点击即可查看大图哟~）
1 前期准备工作
1.1 书籍
书名：事件相关电位基础 LUCK
内容：详细介绍了基本的ERP基础，非常适合小白入门，基本上实验室人手一本。
书名：心理学研究方法-基于MATLAB和PSYCHTOOLBOX
内容：介绍了编辑基础，以及基于MATLAB的心理学工具包，学会之后，实验设计、实验数据分析、统计分析及画图再也不用担心。
当然，实在不会写代码，其实也可以使用E-Prime/SPSS/PPT分别搞定实验设计、数据分析和作图。
书名：EEGLAB Wikitutorial
内容：EEGLAB的专业指导手册；若是不想看英文的，国内贾会宾老师进行了中文版的翻译，大家也可以按需查看。后台回复“eeglab数据处理”，即可查看哟~
1.2 网站
我爱脑科学 网址：http://52brain.com/
内容：目前最有影响力的国内脑科学网站，拥有脑科学资讯、学术动态、核磁、脑电、行为等各个技术板块的讨论。值得大家闲暇时间逛一逛，瞧一瞧~
1.3 公众号
行上行下，脑与认知神经科学，心理学教学科研号。
内容：一个有温度的科研公众号，陪伴式的成长，让学习和科研变得更有趣。
AffectiveNeuroscience，情感神经科学前沿内容。
BrainTechnology，脑科学见闻，EEG/ERP/NIRx/TMS技术内容。
OpenScience，元分析标准、面孔表情材料等心理学前沿。
Brainnews，实时分享最新的脑科学资讯，高效、权威、有针对性。
思影科技，脑电、核磁、脑磁、近红外培训公司，最新脑科学文章解读。
2 预处理流程
2.1 准备工作
解读： eeglab是基于MATLAB的一个工具包，一般加载的时候都从添加子文件夹导入。在添加多个工具包时，记得只保留必要的工具包，避免兼容报错的问题。
一、导入数据
步骤1： File - Import data - 不同的数据格式不同的导入方法
解读：其中BP设备和ANT设备的数据，都是从.vhdr中导入。
步骤2：File - Load exiting dataset - eeglab_data.set
解读：若是导入eeglab保存的数据，则直接按照步骤2导入即可。
二、定位电极（时间）
步骤： Plot - Channel data(scroll) - settings - time range to display -setting - number of channels to display value(调整幅度）
解读：可以在数据分析之前，浏览一下原始数据，自己对数据的好坏有一个评估。
三、定位电极（空间）
步骤： Edit - Channel locations - read locations ( look up locs) - eeglab_chan64.locs(plot 2D)
解读：在数据分析之前，查看电极点的分布图，方便后期进行使用插值法进行坏点替换。
四、删除无用电极
步骤： Edit - Select data - 点上√，即删除选取的电极；不点√，则是删除剩余的电极。
解读：删除记录多余的电极，只选取自己需要的电极。
四、重参考
步骤1： Edit - Re-reference - re-reference data to channel(s) - 电极点 M1 M2 (TP9 TP10) （双侧乳突）
步骤2：Edit - Re-reference - compute average reference（全脑平均）
步骤3：使用 rest-reference 插件（零参考）
解读：重参考的方法常用的有双侧乳突、全脑平均、零参考，具体选取那种方法根据以往的参考文献和自己的需要来进行选择。
重参考也是一种空间滤波，主要是通过另外一个角度来看问题。所以不同的在线参考其实对于离线参考没有太大影响。
五、滤波
步骤1： Tools - Filter the data - basic FIR filter - (1 Hz high pass filter first) - Overwrite it in memory(根据需要获取目标频段）
步骤2： Tools - Filter the data - Basic FIR filter - (30 Hz low pass filter second) - Overwrite it in memory
解读：高通滤波，是指高频信号能正常通过，而低于设定临界值的低频信号则被阻隔、减弱。因而是进行1Hz的高通滤波，而选择的时候，1Hz是频率通过的下限。
低通滤波，是指低频信号能正常通过，而超过设定临界值的高频信号则被阻隔、减弱。因而是进行30Hz的低通滤波，而选择的时候，30Hz是频率通过的上限。
早期的eeglab版本，不能够同时滤波，容易卡死；最新版本的eeglab是可以同时进行空间滤波的。
若是后期要做时频分析，可以滤波的范围选择更宽一点，选择0.1-100。若是只进行传统的ERP分析，可以选择1-30左右。
此外，若是进行0.1-100Hz的滤波，为了消除市电的干扰，可以进行50Hz的凹陷滤波。
六、分段和基线矫正
步骤： Tools - Extract epochs(分段 marker 全选）- Automatic baseline correction
解读：分段的步骤，可以在去除眼电之前，也可以在去除眼电之后。其实最好是在去除眼电之后，因为连续的数据在跑ICA时更好，只是数据量比较大，跑的速度比较慢。
但是若是实验设计当中有出声、身体动，造成伪迹较多，数据杂乱，可以先分段，只是可以在分段的时候，尽量分段长一点。
七、伪迹去除
步骤1： Plot - Channel data(scroll）（删除坏的trial）- 差值坏导（代码）
步骤2：File - Save as - 保存文件
解读： 伪迹去除是去除眼电之外的其他杂乱的伪迹，使得在 Run ICA之前的数据比较干净，容易找到眼电成分。
八、Run ICA
步骤： Tools - Run ICA - ‘extended’,1’pca’,30 - OK
解读：Run ICA 的时候，可以写30个，也可以写60个主成分。去除的时候，需要去除自己最肯定的成分，一般都是去除眼电成分。
九、眼电去除
步骤1： Tools - Reject data using ICA - Reject component by map
步骤2： Select each IC and observe
步骤3： Tools - remove components - 填写删除电极的数字 - OK
解读：眼电判断的时候，除了看地形图，也可以看频率分布图、每个成分的波形图，以及矫正之后的脑电图是否有差异，进行综合的评估。
只有自己很确定的伪迹主成分才删除，不然可能会删除自己想要的成分。
若是出来的成分，没有出现明显的伪迹成分，可以多跑几次ICA；或者不分段重新跑一次；再或者再看看原始数据，删除杂乱的成分，重新再跑一次。
这是一步是很需要经验的步骤，若是前期自己把握不准，可以让有经验的人帮忙看看。
通过Adjust插件，也可以进行一个简单的伪迹成分的评估，不过最终的确定还是需要自己来进行评估。
2.2 眼电去除的标准
十、预处理的批处理
步骤：eeg.history - 出现之前处理的代码 - 进行每个被试的批处理 - 然后处理完之后再手动去除眼电成分 - 保存为处理干净的脑电信号 - 进行下一步的分析
解读：脑电数据的预处理是为了提高信噪比，去除噪音，得到比较干净的数据。从而进行下一步的分析。
2.3 后续整理工作
解读：保存数据并整理，方便后期分析；保存图片，方便自己对数据的把握和可视化的呈现。
3 叨叨几句
今天，从前期准备工作、预处理流程等两个方面对用EEGLAB处理脑电数据进行了一次梳理。
前期准备工作：书籍、网站、公众号
预处理流程：数据导入、电极定位、选择数据、重参考、滤波、分段、基线矫正、伪迹去除、ICA去眼电、批处理、保存整理数据
脑电数据处理后期处理，还包括组平均、ERP波形图和地形图、统计分析、时频分析、溯源分析等；
高阶分析方法，还包括主成分分析、机器学习、功能连通性分析、静息态脑电微状态分析、ERP的微状态分析、交叉频率耦合分析、分形分析等。
若是有需要的话，可以在后台留言哟~
此外，我也整理了一份eeglab脑电数据处理的大礼包，里面包含eeglab工具箱、零参考插件、eeglab中英文指导手册PDF版本、事件相关电位基础电子书等。文章首发于公众号行上行下，公众号后台回复关键词EEGLAB数据处理，即可获得所述的eeglab脑电数据处理大礼包啦！
小伙伴们也可以在留言区将自己的数据处理的经验分享一下，和大家互相交流哈~
分享完毕，希望有所帮助。
EEGLAB脑电数据预处理指导手册相关推荐
- eeglab脑电数据预处理：step by step
文章来源于微信公众号(茗创科技),欢迎有兴趣的朋友搜索关注. 学脑电的小伙伴对 matlab 软件和 eeglab 插件一定不会陌生,它们是脑电数据分析过程中的重要法宝.在对脑电数据进行分析处理之前需 ...
- 手把手教你EEG脑电数据预处理-操作篇
目录 导入数据 对数据进行初步认识 电极定位 移除无用电极 重参考 重采样 滤波 分段和基线校正 插值坏导 ICA 剔除ICA成分 剔除坏段 目视检查法 保存数据 本分享为脑机学习者Rose整理发表于 ...
- letswave7中文教程3：脑电数据预处理-ICA去除伪影
目录 ICA/BSS的理论与模型 第5步:计算ICA矩阵 第6步:识别伪影成分 本分享为脑机学习者Rose整理发表于公众号:脑机接口社区 .QQ交流群:941473018 ICA/BSS的理论与模型 ...
- Letswave 教程：脑电数据预处理与叠加平均
Letswave 教程:脑电数据预处理与叠加平均 1 实验与工具介绍 2 前期准备 2.1 letswave7安装与数据集准备 2.2 数据集导入 2.3 数据集检查 3 数据预处理 3.1 通道位置 ...
- 手把手教你EEG脑电数据预处理-原理篇
目录 0. EEG data 1. 定位通道数据 2. 删除无用数据 3.滤波 4.分段 5.基线校正 6. 重参考 7. 降低采样率 8. 插值坏导 9. 独立主成分分析 10. 剔除坏段 本分享为 ...
- 脑电数据预处理-ICA去除伪影
ICA/BSS的理论与模型 独立成分分析(ICA)是一种盲信号分离(Blind Signal Separation,BSS)方法.ICA可线性建模如下图所示. 假设X为" ...
- letswave7中文教程2：脑电数据预处理-通道位置分配
目录 第1步:通道位置分配 第2步:删除不良通道 第3步:滤波处理 第4步:坏电极插值 本分享为脑机学习者Rose整理发表于公众号:脑机接口社区 .QQ交流群:941473018 原始的脑电图信号是有 ...
- 脑电数据预处理看这篇就够了
01 脑电数据分析预处理步骤 1.(Import data)导入数据 2.(Channel locations)电极定位 3.(Select data)剔除无用电极 4.(filter the dat ...
- EEG脑电数据预处理
预处理 电极放置:在10-20的基础上,在10%的位置上进行电极扩展 去除伪迹:生理伪迹-眼电伪迹,肌电伪迹,心电伪迹,其他 非生理伪迹-工频干扰,电极伪迹,数据伪迹等 肌电伪迹:使用平均叠加来消除一 ...
最新文章
- macos 全局快捷键 打开 iterm_MouseInc – 完全免费的全局鼠标手势增强工具 | 马小帮...
- 将源码包打包成RPM包
- 网络IO超时的几种实现
- Tomcat原理详解和各种集群的实现(转自：http://harisxiong.blog.51cto.com/7513022/1304746)
- mysql限制类别_MySQL限制每个类别的结果
- /* compiled code */ ？
- 【转载】stackoverflow 上关于 rebar 的讨论
- 首次运行 tensorflow 项目之 vgg 网络
- mysql连接报java.math.BigInteger cannot be cast to java.lang.Long异常
- 深挖基于 CSS 的变换与动画技术
- 《CSS世界》--张鑫旭 : 前端样式高手进阶CSS
- 翰文付费打印后还有水印吗_翰文进度计划编制系统去除水印中文增强版
- Office卸载不干净，注册表项权限修改后仍然无法删除的问题
- 【前端安全】常见安全性问题及解决方案
- 基本知识 100151
- options.add_argument(r'--user-data-dir=C:\Users\name\AppData\Local\Google\Chrome\User Data') 绕过登录
- 转-iOS- GPUImage README.md
- Linux 下录屏制作 GIF 图片
- AM335xu-bootLOGO开机LOGO
- matlab中SPI值,挣值管理（PV、EV、AC、SV、CV、SPI、CPI）记忆之我见