手把手指导:EEGLAB 2023版脑电数据预处理实战
在探索神经科学的奇妙世界中,EEGLAB 2023版为我们提供了一套强大的工具。首先,确保你的计算环境已准备就绪:安装最新版本的Matlab(R2019a以上),并下载官方发布的EEGLAB 2023,或者通过公众号获取包含插件的资源。别忘了添加loadcurry插件,只需在File > Manage EEGLAB extensions中轻松完成。
接下来,我们以一个静息态EEG数据为例,1000Hz采样,可从公众号获取。使用loadcurry插件导入Neuroscan curry8格式的数据,如数据文件名sub1.cdt,记得设置KeepTriggerChannel为True,CurryLocations选择False。
预处理步骤
首先,对数据进行基本的处理:使用Tools > Change sampling rate功能,将数据降采样至500Hz,代码示例如下:
对于批量处理,记得编写脚本以节省时间,特别是当数据量大的时候。接着,对数据进行滤波:
接下来,根据需要剔除无关电极,如M1和M2,通过Edit->Select data,选择并删除这些不需要的电极,代码如下:
在数据预处理的过程中,检查和处理坏导坏段至关重要。通过Plot->Channel data,调整时间范围和电极显示,发现并标记不良数据段,然后使用相应工具进行删除。
去伪迹与ICA应用
ICA(独立成分分析)是去伪迹的关键步骤。使用pop_runica工具运行ICA,注意识别眼动伪迹,如水平和垂直眼动。数据质量会影响伪迹提取的准确性,通过贝叶斯理论或经验判断,谨慎处理ICA成分。对于大量成分,推荐使用ICLabel插件,其能自动识别高达98%的眼动伪迹,并允许用户自定义阈值进行标记。
设置ICA阈值:从50%到90%不等,根据研究需求调整。部分不完全分离的ICA可能会导致脑信号损失,所以在分析时需留意。
完成ICA去伪迹后,可以对数据进行重参考,如全脑平均,代码如下:
对于多被试数据,虽然预处理流程看起来复杂,但大部分步骤可以自动化。建议为每个阶段创建文件夹结构,如降采样、ICA处理、伪迹去除和重参考等,便于后期追踪和修改。
最后,确保你的数据清晰明了,按照以下步骤操作:
在每一步操作后,都要检查数据状态,确保正确无误。记得用pop_subcomp(EEG, [], 0)进行伪迹去除,pop_reref(EEG, [])执行全脑重参考,eeg_checkset(EEG)检查数据,最后用pop_saveset(EEG)保存处理结果。至于获取教程数据,只需输入"EEG预处理数据"即可。
至此,预处理工作已经完成,你已经掌握了EEGLAB 2023版的基本操作。期待你在神经科学探索的道路上取得丰硕的成果。
Part4 感谢
感谢你跟随我们的EEGLAB 2023预处理教程,如果你发现任何问题或有改进的建议,欢迎随时指正。祝你科研之路顺利!