从EEG到ERP的总结

EEG-ERP

Posted by 陈锐CR on May 12, 2020 | 阅读

从EEG到ERP的总结

本文首发在个人博客上(7988888.xyz),此文章中所有链接均通过博客进行访问。(ps:可快速访问国内镜像网址cn.7988888.xyz

从几年前,我从毕业后就一直接触着脑科学的相关技术,尤其是脑电技术和近红外技术,说不上精通,但侃侃而谈也还是可行的。在我微信公众号上已经积累了很多关于脑科学技术的相关内容,它应该算能帮助了一些人。最近,我一直在玩弄我的个人博客,为什么要做这个博客?很多人都在说,博客已经是十年前的东西了,公众号才是未来的。的确,微信公众号是很多人在看的,关注的。从最开始我写公众号开始,我的初衷仅为记录我的所学,所用,微信公众号的确帮助了我很多Mark的机会,随着关注者越来越多,感觉到肩上的责任越来越大,一方面是知识的学习,一方面是知识的输出,还有一方面则是对关注者的负责。在我撰写公众号相关内容的时候,很多时候我的参考资源无法挂外部链接,这极大的阻碍了关注者的学习资源,大多数时候当然是不需要的,在我公众号文章越来越多的时候,这种感觉越来越深,所以后来,我慢慢的在知乎上开始发布文章,它也是很棒的一个平台,可以发布想法,也可以创建自己的专栏,但是在很多时候,我Markdown文章时,很多的不便使我对平台没那么喜欢,比如排版等。在年初,我在家空闲时,发现GitHub这个优质的开源平台,在我自己没有服务器的情况下,它也可以创建GitHub page,于是我就开启了我的个人博客之旅,搭建博客的目的,一方面是觉得它将能极大的丰富文章中的外部链接,另一方面使用GitHub作为仓库,我可以自由的管理我的文章,为什么要这么说?在微信公众号上,你会发现在网络上有大量的抄袭者,他们并不会给你要授权就私自的转载甚至于进行原文发布并不标注作者的文章数不胜数。在博客上,我可以控制这些,这也是我作出选择博客的原因之一,当然最重要的原因还是have fun。

好了,说了这么多,还没开始今天的主题,上面的一段话仅为我转战个人博客的心路历程,博客上还要很多有用的工具,以后再说了。今天主要分享的算是一个总结文,本来打算设置为收费文章的,但想了想,我写东西最大的乐趣还是在于与大家分享我的知识,对于收费的文章,一定是我用最大的能力精心制作的相关内容,对于打赏这件事,有则好,无则免。

在我的博客上有一篇EEG/ERP简介的PPT,它基本上已经阐明了从EEG到ERP的过程,这里也是参考了前面的大佬做的东西的。有兴趣的可以参考博客链接https://7988888.xyz/EEGERP-intro,除此之外呢,很早之前写过一个EEG预处理的系列文章,今天也是总结在这里。

脑电分析:

在上面的过程中,其实都是属于EEG预处理的部分,在大多数时候,它都是要做的,可能顺序上有差别,这就是涉及到数学中的线性和非线性运算。当处理完EEG预处理到ERP部分,这将有一个重要的环节需要值得关注——Event事件,它将决定着ERP成分的最终效果。

ERP全称Event-Related Potential(事件相关电位)

在之前我看到的内容中,别人讲的一段话,很有用,EEG的活动诱发相关事件的锁时或者锁相的过程。

The presentation of a transient sensory, motor or cognitive event or task disturbs the spontaneous EEG activity and evokes the event- related responses that are time-locked and phase-locked to the stimulus.

因此,在ERP中,比较关键的部分就是分段叠加了。

分段叠加就会使用到marker信息,这在之前也介绍过BP设备中的marker,可以回去看看。其次是在实验设计中会使用到打marker的过程,在之前也介绍过,在博客上找找吧。

image-20200512111521837

左图是raw data 很多的noisy,当处理完后就可以得到右图中的ERP了,是不是干净了许多。

分段Epoch/segment

这里会有多种分段方式,具体的就要依据自己的实验设计了。通常来说,很多时候是根据刺激条件分段,比如以刺激marker为原点取前后时间段进行切分。还有一些是组合分段,提取反应多少ms内的刺激marker,这个就比较复杂了,得看软件支持还有就是写code。对于静息态的数据来说,可以以等分的时间段进行切分。下面这张图在很多做ERP的教程中出现过,它就是分段的示意图了。

image-20200512113134534

基线校准:

在做完分段后,基本上就会做一个基线校正,就本身来说,它是线性变换的过程,在任何时候都可以做,为什么要做基线校正?

它的好处:

1、可以防止分段后漂移过高的Drift,造成某些幅度的漂移,校正后可以将所有通道拉回到一个尺度下显示。

image-20200512120708728——图来源luck的ppt

2、消除脑电信号中的一些噪声的影响。

image-20200512120809362——图来源luck的ppt

怎么做的?

一般是以event为0点,在0点之前的时间段算做刺激未发生前的时刻算得平均值,然后在0点后的每个采样点的数据减去这个平均值。当然,这是通常的做法,还有其它的做法,更多的基线做法,推荐之前发布在我爱脑科学网公众号上王一峰老师写的《基线校正》

Average叠加平均(单被试)

在叠加平均ERP之前,有些人还会考虑再进行一次Artifact Rejection,这个过程看需求,也得看信号质量,相当于是在分段后的再一次去噪。

叠加平均的目的:

这是提取出erp的最后一步了,在PPT里介绍中,ERP是从EEG信号里叠加平均后提取出来的,这里就是为了提高信噪比,增加统计的效果,使其更具有代表性。

信噪比(SNR):它是信号与噪声的比值。

信噪比的叠加与叠加次数(n)的关系:最终的SNR = 单次snr ✖️ 根号n

比如:原信号2微伏/噪音10微伏 = 0.2 叠加1024次后,能获得的最终SNR = 0.2 x 32(根号1024) = 6.4

image-20200512133715515

Average叠加平均(多被试)

多被试的叠加也叫Grand average,这也是一个线性操作,也就是将多个系统条件下的单被试的average进行总体的平均,这样的话,就可以在总体上查看结果。

image-20200512134108022

结果查看:

对于数据的结果查看,其实有多种方法,可以使用蝴蝶图,也可以使用数据。ERP数据结果查看最关键的是需要知道所关心的脑区在哪里,所关注的电极有哪些,这样才能对症下看。

image-20200512134451141这里参考brain products之前讲课的图。在这张图中就可以查看某个电极的基本信息,极性、潜伏期、峰值、成分、地形图等。

其它

ERP的内容还有其它数据的查看,诸如差异波等,这些的原理方法是一样,就是将两种条件的波形相减得到新的波形,比如mmn、n2pc等。

最后,输入得到的erp成分数据,峰值/平均波幅/采样点数据/电极信息等,接下来的就是统计过程了。至此,ERP的教程系列也完结了。

对于操作部分

EEGLAB中,预处理部分可参考官网出的

EEGLAB脑电数据预处理(视频版)

EEGLAB脑电数据预处理(视频版2)

EEGLAB脑电数据预处理(视频版3)

接下来就是分段数据、基线校正、叠加

image-20200512140336519

image-20200512140517082

image-20200512140549412

image-20200512141501541

image-20200512141513710

ERPLAB操作:

推荐查看此教程,写得比较完善。使用ERPLAB进行单个被试的ERP分析

neuroscan中curry7:可查看博客学习资料

Analyzer中的可查看博客学习资料

Netstation的分析软件操作:

1、按照实验设计选择不同的分段标准,时间一般选择-100—1000ms,按browse选入code和cell对应的编码。创建一个分段的波形工具。以下以oddball实验为例,有target和standard两种实验条件。

img

2、建立一种实验条件 target,在extend segment中手动输入分段时间。

img

3、按browse选择分段标准,将browse event criteria中的code is stm+,cell is trgt_exp拖入criteria中(具体标记为e-prime中设置的代码)。

img

4、按十字加号建立其它条件,重复2、3步骤设定standard的分段标准保存即可。

以上则是本次分享的内容。


谢谢大家观看,如有帮助,来个喜欢或者关注吧!


本文作者:Chen Rui

博客地址 : Chen Rui Blog
知乎地址 : 知乎专栏
B站地址 : B站主页
书店地址 : 书店主页
简书地址 : 简书主页
CSDN地址 : csdn主页
学术导航 : 导航主页


版权声明:本文由 陈锐CR 在 2020年05月12日发表。本博客文章作者为陈锐CR时均采用属于个人原创撰写,未经许可,禁止在任何媒介以任何形式复制、发行本文章,如需转载,请查看About联系方式,非商业转载请注明出处,不得用于商业目的。
文章题目及链接:《从EEG到ERP的总结》



☛您的打赏是我创作的动力☚


  相关文章:

「游客及非Github用户留言」:

%
UP
博客已运行