EEG实验

准备

image-20220617155833853

Step1导入数据

操作

image-20220617160104480

结果

image-20220617164408083

  • channel per frame:导入数据有64个通道
  • frames per epoch:一段数据的总长度,是1087300采样点
  • epochs:指当前数据的段数,该只有一段
  • events:检测到当前数据一共有925个events
  • sampling rate(HZ):数据的采样率为1000HZ
  • epoch start和epoch end: 这个的分段是从0秒开始,到1087.299秒结束。还没有进行分段所以看这个数值没有意义
  • reference: 指数据的参考点,重参考后会显示重参考的电极点,或者average,目前还没有进行重参考所以是unknown
  • channel locations:是否有对通道进行定位,目前显示没有,定位后会显示为yes
  • ICA weights:是否对数据进行了ICA独立主成分分析,分析后会显示yes
  • dataset size:数据的大小,288.8MB

Step2 滤波操作

操作

image-20220617165416653

结果

image-20220617165829685

高通滤波和低通滤波分别对高于45HZ和低于0.3HZ频率的数据进行剔除。

Step3 去坏导

操作

image-20220617170711148

结果

所谓坏导是指在脑电数据收集过程中,由于各种原因(如电极打串了)导致数据记录错误。去坏导可以用插值的方式实现。

Step4 重参考

操作

image-20220617170944707

结果

image-20220617175459944

Step4 电极定位

操作

image-20220617175901681

image-20220617175929634

结果

image-20220617180012423

Step5 数据分段,去除坏段

操作

image-20220617180220903

结果

image-20220617180258268

某些分段试次存在明显伪迹,一般会剔除被伪迹污染的试次。比如闭眼时间过长,或者肌电伪迹明显,说明没有专注任务。(听觉任务,鼻闭眼也可以完成是不是就不需要针对“闭眼”、“眨眼”做剔除?)

坏段是否应该被剔除:坏段波动太大,对事件诱发响应的影响较大;坏段剔除的标准,不同操作者不同。

Step6 采用ICA法去除眼动伪迹1

操作

image-20220617180841308

image-20220617180857884

结果

image-20220617180934863

Step6采用ICA法去除眼动伪迹(2

image-20220617181053720

image-20220617181100236

结果

image-20220617181127760

Step6 采用ICA法去除眼动伪迹(34

image-20220617181314685

image-20220617181402733

image-20220617181425213

image-20220617181437438

结果

image-20220617181526613

参考

https://kangkang0820.github.io/eeg/preprocessing

https://zhuanlan.zhihu.com/p/142071693

https://sapere-aude.group/read/wangmeng/2021-09-12-wm2/#17-%E5%89%94%E9%99%A4%E5%9D%8F%E6%AE%B5


欢迎在评论区中进行批评指正,转载请注明来源,如涉及侵权,请联系作者删除。

×

喜欢就点赞,疼爱就打赏