關于EEGLAB這個腦電處理工具包，對于大多是需要處理腦電數據的人來說都不會很陌生，這里放一個EEGLAB官網的鏈接；

https://sccn.ucsd.edu/eeglab/index.php

前言：EEGLAB的優勢

• 具有便于操作的GUI界面，特別適合初學者學習使用
• 支持導入多種數據格式（可以讀取幾乎所有格式的EEG信號）
• 對于高密度的數據可以，支持滾動瀏覽，方便我們查詢腦電的數據
• 交互式的繪圖功能，方便ERP波形繪制和頭皮電壓分布地形圖繪制等工具
• 基于獨立成分ICA的偽跡去除和源分析技術
• 提供多種高級的插件免費下載，滿足各種不同分析需求

1 EEGLAB的安裝

1.1 EEGLAB使用

2 腦電數據的預處理步驟

大部分的預處理都會是上面圖中的操作,有些需要根據自己需要分析的操作相應的預處理步驟

2.1 導入數據

以其中一種腦電數據格式為例



這里使用默認,點擊ok
得到下面的這種情況

這些框里面對于的詳細數據在matlab里面的變量可以找到

2.2 預覽波形圖

通過這個數據的概覽可以方便看到腦電波形圖的大概樣子,方便初步判斷

將鼠標放在腦電波的上面,在右下角就出現相關的信息,通道,幅值信息等

2.3 導入電極坐標

導入了電極坐標之后就可以讓eeglab讀取到每一個chanel的名稱和數值，然后再通過eeglab里面默認的腦電位置排布文件，將具體的腦電即位置按照模板排布，這樣eeglab就能具體知道位置了

這里是將腦電坐標導入進來,需要選擇這個eeglab內置的電極坐標模板

我們一般是選擇默認的模板,除非你有特殊的需求,或者對于這些模板了解的很清楚,可以選擇適合自己的

電極分布圖(2D和3D的展示),電極plot2D和3D這個按鈕

從左邊的圖可以看到有一些電極在頭部的外面,這是因為這些電極在頭部中線以下的位置,所以顯示在外面

我們在完成之后電極ok按鈕,這樣就可以完成電極坐標的導入
這時候你會發現外面展示的信息的channel locations變成了yes
回到matlab的頁面就可以找到相關的文件變量查看剛剛導入的電極信息了

2.4 刪除某一個通道的電極

這里就可以自由選擇需要刪除的電極刪除了

2.5 壞導的檢查和插值

一般先進行數據不好的導聯插值

設置參考的是時候,壞導會影響到數據,需要找出壞導,并且對它進行插值處理
通過繪制光譜圖查看有沒有異常的電極導

哪些地方可以改動過?
第一行的呈現的東西是數據段的長度,這里我們直接保持一整段的數據,不做任何的修改

第二行的呈現是采取數據的多少畫出這個圖,這里選擇的是50%

第三行呈現的信息是放大顯示的是哪個頻率的,這里選擇的是6 10 22HZ的腦電數據

第四行呈現的是哪個頻段范圍的power值是多少,這里選擇的是2 25
選擇完畢之后,點擊ok,得到光譜圖

那我們主要是看這個圖的什么地方呢?

主要就是看各個通道的光譜圖,這里每一根彩色的線都是代表通道的圖,橫軸代表頻率,縱軸代表的是 POWER值,我們這里首先很明顯在50左右的HZ部分升高,是收到了眼電的干擾,頻率越低.power值越高

當你看到某個通道的曲線起伏不定,說明這個通道是可能存在問題的

你用鼠標點擊一下綠色的線,會在命令行出現對于通道的名字

2.6 查看對應的通道電極

選擇通道數和設置對應的頻率

下面的折線圖和上面的是一個意思,只不過我單單提取出這個通道來詳細的查看

左上方是通道的名字和通道的位置

僅僅通過這個通道的曲線變化還不能說明這個通道的圖是有問題的,還需要結合右上角的信息

右上角的圖,橫坐標是時間,縱坐標是幅值信息,每一個橫條代表的是一個幅值信息,最右側的是幅值顏色代表的意思

如果出現異常,就可以看到在一片綠色的地方出現了一點紅色的小點,說明在某個時間點上面出現了異常

還有一種可以自動幫你找到壞導的方法


這個軟件內置了三種算法(Probability\Kurtosis\Spectrum)可以幫你找到壞導,在這里用紅色的線標識出來,并且會在命令行那里告訴你那個電極導是壞導

上面說了很多怎么查找到壞導,那接下來對壞導進行插值處理
使用matlab函數進行壞導插值

這里是用周圍電極的均值來進行插值
在EEGLAB里面也帶有插值的方法


選擇電極導,選擇方法,點擊ok,這樣就能將壞導插值處理了

2.8 提取指定的時間段

這里是將切開的片段保存的設置,包括保存的格式,保存的位置等

修改之后我們很明顯的看到了數據量變小了

2.9 重參考

我們實驗采集到的數據就是因為定位了參考電極，才能得到數據，數值就是電極所在的位置和參考電極之間的電位差

一般腦電記錄的時候參考電極有鼻尖參考，CZ或者頭頂中央參考，單側乳突，雙側乳突參考，全腦平均參考

在腦電數據分析的時候，我們會想要轉換參考點的位置，因為不同的位置參考，會對數據產生影響，比如記錄時候采用的是CZ或者頂部中央參考，自然地，距離CZ比較近的電極點，記錄的電位差會非常小，距離遠的又會非常大，大小的差異并不是因為認知活動產生的，是由于記錄方式產生的，為了能減小這些記錄帶來的誤差，一般變換為雙側乳突參考

這里會涉及平均參考,雙側乳突,零參考rest.等方法

2.10 雙側乳突參考

Tips:這里的Interpolate removed channels可以自動幫你把之前的壞導插值處理
第一個的是平均參考
最下面Retain old reference的勾選了表示的是是否保留參考電極的信息
根據自己需要選擇平均還是雙側乳突的參考,然后按照下面的方法勾選,得到結果

這時候我們發現原來的界面發生了變化,注意reference變成了自己選擇的方法

2.10.1 平均參考

2.10.2 零參考rest

• 參考電極標準化技術(Reference Electrode Standardization Technique)
• 任何參考下的頭表信號Vr都是腦顱內源X產生的,重建等效源X即可重建頭表信號V0
  
• 非真實腦電,變成真實的腦電
  實際上是以無窮遠的地方作為一個參考
  EEGLAB本身不帶有這個參考的方法,需要重新下載按照rest插件

2.11 數字濾波

數字濾波分為高通濾波、低通濾波、帶通濾波和凹陷濾波

高通濾波：高于某一頻率的信號可以通過，但是低于這個頻率的信號會被衰減過濾掉

低通濾波：跟高通是相反的，低于某些頻率的可以通過，高于的不行

因此總結上面兩個方法，高通濾波再輸入數值的時候，是一個比較小的數值，低通濾波則是一個較大的數字

帶通濾波：指的是在某個頻率段范圍內的信號可以通過，但這個頻率范圍以外的信號就會被保留下來，這個通常是用來去除50HZ視電的干擾

因為濾波不能完全的過濾出我們想要的頻段，比如30HZ的低通濾波，并不是說30HZ以外的信號就通通被過濾掉了，而是以30HZ為截止頻率，高于這個截止頻率的信號會被逐漸衰減

比如上面這個圖，橫軸為頻率，縱軸為增益系數，在截止頻率f的左邊，最開始的增益系數都是1，指的是信號都乘以1，被完整的保留了下來，而且在接近截止頻率的一定范圍內，增益系數開始逐漸下降，直到我們的截止頻率f處，增益系數剛剛好是0.5，指的是經過了截止頻率為f的低通濾波之后，f這個頻段的數據有50%被過濾，而50%被保留了下來。隨后增益系數再逐漸下降，信號被逐漸衰減，直到接近于0

因此，我們有時候會看到數據在做了30HZ的低通濾波之后，還會再做一個50HZ的凹陷濾波，就是因為，并不是做了30HZ的低通濾波就能夠完全把30HZ以上的信號全部過濾掉，而50HZ的干擾又是非常強的，所以最好還是再做一個50HZ的凹陷濾波

2.11.1 凹陷濾波：為了能完全的過濾掉信息所做的一次濾波

設置通過哪些頻率的波

Tips:低通的一般設置0.5或者1HZ方面濾掉低頻的漂移偽跡

然后使用相同的方法使用高通濾波
一般30HZ以下,包含了我們需要的成分,但是如果后續要做時頻分析,可以設置高一點,一般設置30HZ

如果數據存在50HZ的視電干擾的話,可能需要做一個帶阻濾波或者限波濾波來進行處理,按照下面的結果設置

注意這里勾選Notch filter the data instead of pass band,說明是帶阻濾波或者限波濾波
最好在數據采集的時候就避免視電的信號

2.12 重采樣

自己選擇需要降到的采樣頻率就可以了

2.13 分段和基線校正

分段

因為我們的數據是從實驗開始到實驗結束記錄的，所以很多時候會有冗余的數據，需要根據實際情況切開我們需要的片段

基線校正的原因:為了為了減少偏差,偏差產生的原因是由于數據的不穩定,也就是說數據段之間存在基線差異,可能是低頻漂移或者是其他的偽跡所引起的,這個時候我們做的基線校正的話,實際上就是從每個時間段去移除平均的基線值,從而去移除掉存在的偏差

其實在我們的很多段的腦電數據中,雖然每一段的基線相對值是一樣的,但是絕對值是不一樣的,所以我們要通過基線校正來使得他們在同一水平線上

首先要選擇你的數據段里面的所有時間標記,需要你選擇你需要的哪些段
第二行是你需要選需要的時間窗


上面是分好段之后的操作,執行完之后你會出現到執行基線校正的操作

第一個是比較重要的參數,指的是你選擇需要的時間點,一般是刺激出現的前200ms左右,選擇好之后,ok

2.14 獨立成分分析(ICA)

其他的都保持默認的參數,如果你對自己的研究有其他的想法的話可以自己選擇對應的算法,前提是你對ICA比較熟悉

這里需要注意的是,前面我們有對壞導進行處理,以及選擇重參考的時候,選擇了雙側乳突或者平均參考,這里在第二個空需要填寫相關的信息

這里是選擇雙側乳突的寫法

如果是平均參考這里則不用寫出62-2,通道數是32

我們在做ICA的時候,是需要所有通道的數據都是有效的數據,如果是壞導,就沒有辦法合理進行ICA,它本身會自動的根據周圍的電極數據均值給這個壞導使用,但是這樣就對數據的結果造成很大的影響

在跑完ICA之后,畫出相關的圖


畫出所有電極的縮略圖,主要關注前面的成分,這里只關注前面的20個電極


觀察哪個成分是有問題的
點擊成分圖,可以出現下面的的光譜圖

右上角的是幅值(縱坐標)和時間(橫坐標)圖,下面小的是疊加平均圖
其他上面已經介紹過了
看下面的圖,分辨眨眼的偽跡

如果確定是偽跡,點擊accept,然后點擊ok

當你做完所有的偽跡去除之后,就可以回到原始GUI界面


自動幫你填上剛剛的偽跡個數

確定刪除偽跡成分
在此之前可以點擊Plot ERPs對比查看刪除前后差異

2.14.1 利用ICA去除眼電的偽跡,水平和豎直的眼電

上面的就是豎直眼電信號,下面的是水平眼電信號

2.15 刪除壞段

肉眼識別比較特別顯著差異的數據(目測檢查法),適合數據量比較少的情況

手動選擇刪除

2.絕對閾值法


第一行是電極個數,第二和第三行表示篩選的閾值范圍,一般選擇-100和100

如果是壞導的部分是會通過這個方法標記出來的,比如下面的圖片所示

3 保存數據

預處理完了之后就可以保存數據了

總結

降低采樣率

采樣率的單位式HZ，1000HZ代表著1s會采樣1000次，在后期的時候我們想要降低采樣率，降到500HZ，或者250HZ，減少數據量，提高計算速度，沒有其他作用，所以這并不是必須的步驟

需要注意的是：

降低采樣率是在濾波之后，因為采樣率降低會使得我們丟失高頻信息，為了不使數據失真

負荷采樣定理：是我們想要分析的波段頻率的3，4倍以上

總結

以上是生活随笔為你收集整理的基于EEGLAB的脑电数据预处理的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。