EEG脑电数据处理及时频分析2（脑电数据处理）

zhou2023-09-272023-09-30

EEG脑电数据处理及时频分析2（脑电数据处理）

以下内容可以在哔哩哔哩寻找到教程零基础脑电数据处理教程_01_基础知识预备和预处理

被删除线标记的意味着对于ds004151数据集来说不需要的步骤（也许是不需要吧），或者是我没有进行的步骤。欢迎交流。

脑电数据预处理

打开EEGLAB

接下来的操作都要在EEGLAB这个程序里面进行操作，所以要先打开eeglab

在下方的命令行窗口内输入eeglab，回车就可以启动eeglab了

导入set数据集

打开放数据集的文件夹，选择打开即可

定位电极

在ds004151数据集里的数据已经定位了电极，不用再自己定位电极。如果不嫌麻烦可以检查一下

基础知识

电极标准 10/20 10/05

注意使用的模型MNI还是BESA

如果eeglab没有正确定位电极（电极无数据），无数据电极，matlab会在命令窗口提示，可以找到电极文件位置，查看电极文件数据，最后去修改eeglab

基本操作

剔除无用电极 Edit——select data

我找到的资料是讲64个电极的，128电极我不清楚哪个是参考电极，所以我没有经历这个步骤

基础知识

HEOG、VEOG是眼动之类的电极，但现在后期ica可以剔除，所以没用

M1、M2一般是没用的

基本操作

仅仅做个示范

按住Ctrl可以多选电极

后面的操作就需要保存了，建议养成个好习惯，每一步都单独做个文件夹去保存，比如像这样，每一步处理完成之后的文件就保存在对应的文件夹下面

滤波

我们研究的四个脑波频率在1-30Hz，所以我们做1-30Hz的带通滤波就可以了，至于工频干扰，额，了解一下带通滤波就发现做了好像意义不大，只做带通滤波就行了

基础知识

滤波分为高通滤波，低通滤波，带通滤波和凹陷滤波。

高通滤波是指，高于某个频率的信号可以通过，而低于这个频率的信号会被衰减过滤掉。

低通滤波则相反，指的是低于某个频率的信号可以通过，而高于这个频率的信号则相反。所以，在输入数值的时候，高通滤波要输入的是一个较小的数字，而低通滤波则是输入一个较大的数字。这可能跟我们的第一反应有点相悖。因此，也可以用它们的英文叫法来辨别，高通high-pass，低通low-pass，英文看起来就更为直观了。

带通滤波，指的是在某个频率段范围内的信号可以通过，而这个频率段范围以外的信号会被衰减过滤掉，就相当于同时做了高通滤波和低通滤波。

凹陷滤波，指的是在某个频率范围内的信号会被衰减过滤掉，而这个频率范围以外的信号会被保留下来。这个操作通常是用来去除50Hz市电的干扰。我国的50Hz，因此在收集到的信号中，会有一个非常强烈的50Hz频段的信号存在，这就可以用凹陷滤波来去掉。

参数选择

基本操作

带通滤波会过滤掉除开指定范围的所有值，而且我们只考虑脑电数据，脑电数据四个波在1-30Hz范围内，如果我们做1-30Hz的带通滤波就不用考虑工频干扰，低通，高通之类的滤波了，第三步那个是画个图，没什么用，勾不勾选都无所谓

保存文件

为这一步新建一个文件夹，点开这个文件夹

输入文件名，保存

降采样

这部分操作还是可以做的，我降到了250，就是为了，处理数据能处理快点

基础知识

采样率：单位时间内采样点的个数

frames per epoch 每段采样点

EEG.times可以查看采样点和时刻点

为什么要降采样

Nyquist采样定理，采样率必须两倍以上，最好是3-4倍才不会有信息损失

脑电波一般在40hz以下，所以脑电信号采样率一般在250-1000hz就足够了

降采样最大的好处就是减少数据量，提高计算速度

基本操作

修改成250，新建文件夹保存

分段和基线矫正

这个是肯定要做的，ds004151数据集按照‘Ton+’和‘Ton-’进行分段，分段之后根据论文是252+108=360的epochs，可以在EEGLAB的主界面看到epochs的数量，然后的基线矫正，在完成分段之后就会自动跳出来对话框让你做了

基础知识

epoch：-1到2 （预留多一点，方便后面处理），包含一点静息态还有任务态

然后将epoch拼接起来

基本操作

按住Ctrl选中这两个，这里分段依据的mark主要是根据论文里面的实验设计，如果没有明确的信号说明，就先猜测，然后分段出来，看看数量是否匹配，比如下方

论文说一共有252+108=360个marks

我按照Ton+和Ton-进行分段之后再EEFLAB主界面。Epochs一共360个，刚好符合

我们继续上面选择完mark之后的操作，新建文件夹正常保存

保存之后会自动跳出来基线矫正的对话框，我们不用特别设置，直接确认就可以，但是不用新建文件夹保存了，直接点下面的overwrite…覆盖

插值坏导和剔除坏段

呃呃呃，看情况做吧，一般插值坏导不要超过十个，删除坏段也不要超过1/3，实在不行，数据太烂了，就先不管了，先把组平均地形图跑出来看看结果，结果没问题，就先不管了

基础知识

坏导：某一通道出现了问题

解决办法：插值，不能删除电极，会发生不匹配。把周围电极的值取一个平均

Spherical算法：容积传导效应,周围电极有权重，然后再计算

坏段：某一段出现了问题，直接删除

基本操作

注意不要点错了，下面的用ICA reject也有个extreme values

把框出来的改了，这个100是100uV的意思，如果有脑电信号超过了±100uV，那就肯定不是脑电信号了，脑电数值没这么大

会跳出来两个框框，有个是文件保存框，建议新建文件夹保存一下文件，如果已经保存了，可以点cancel取消保存

还有一个框是这样的，有绿色标记的和没有被绿色标记的，没有被标记是正常数据，如果这个时候直接点右下角reject会把所有的绿色给去除掉，当然也可以自己标记，点击一下片段会变黄，也算是标记，再点一下就是取消。但，我们这步重点不是reject，重点是查看有哪些坏道，那我们怎么看坏道呢？

这个界面有bug其实，他在绿色标记段，本来应该用红色标记出哪个电极有问题的，但是他没有。不过我们可以在片段上右键，会跳出来一个地形图，把地形图关掉，再移动片段，异常的电极就会被红色标记出来

异常就被标记出来了

但这个时候还有个问题，就是电极实在是太多了，左边一列密密麻麻，根本看不清楚，我们要怎么调节呢？我们有两个办法，第一个调节显示的电极数目，第二个放大缩小，推荐第二个

第一个办法，调节显示的点击数

第二个办法有点bug。在我们做完这个操作之后，电脑没有什么反应，这个时候我们需要像显示红色的异常数据那样，在片段上鼠标右键一下，等一下，鼠标就会变成一个十字，这个时候就已经可以通过鼠标滚轮放大缩小了，但是我们会发现，异常红线没了，我们需要再进行一次右键，这次不会出现地形图，只会出来个右键菜单，然后再移动片段，红线就能正常展示了。

一些其他方便的操作

了解、统计完有哪些电极不正常之后，我们需要对这些电极进行插值，左下角取消掉上面那个图，千万别reject了，删得有点多，我们后面再删。

最后新建文件夹保存数据

对电极进行插值之后，数据会变得好看一些

重参考

这个还是要做的，ds004151数据集有128个电极，直接做全脑平均就OK了

基础知识

原参考：脑电数据采集的数据，就是电极位置和参考电极之间的电位差

重参考：在分析数据的时候，有些时候需要转换参考电极的位置，因为离参考电极近的电极的电位差会非常小

常用的参考方式：双侧乳突平均参考（32个以下），全脑平均参考（电极32个以上）

基本操作

我们做全脑平均，直接Ok

然后正常新建文件夹保存数据

独立成分分析ICA

这个操作也很简单，但算是自动化操作里面最费时间的了，57个被试我整整跑了十个小时

在进行ICA之前，EEGLAB的主界面长这样，除了ICA weights那一项，其它都有正常数据了

基础知识

ICA又称盲源分离算法，ICA可以找到不同脑电信号源活动以及它们的头皮分布。这一步骤的主要目的是去除眼电、心电、肌电等伪迹

ICA原理

每一个麦克风记录到的都是一个混合的声音，来自于不同声源的不同强度的声音的总和，有的记录到的乐队演奏的声音比较大，有的记录到的人们的交流声音比较大，通过对比不同麦克风记录到的成分，分离出来彼此独立的成分。而且分离出成份数一定小于等于麦克风数

基本操作

如果我们在插值那一步调整了电极，调整了几个电极，就在后面添加‘pca’,几个，例如我调整了两个，就如下输入。（其实不管这个直接点OK，他好像也会自动识别你调整了几个电极，然后跳出来对话框，告诉你，你不懂就点ok就行，我不太明白，拿不准就直接全部点ok，就什么也别管）这一步是在告诉ICA程序有多少个有效数据