本文只介紹了預處理的基本操作共虑，但是并沒有解釋為什么要這么做洞坑，因此，更加適用于理解了原理但不知道要怎么做的朋友拙毫。而對于剛入門學習的朋友依许，我建議先看原理篇，將原理理解了之后再去做操作缀蹄，或者將兩篇結合起來看峭跳。
腦電數(shù)據(jù)預處理-原理篇
腦電數(shù)據(jù)預處理
0. 下載軟件
需要用到的是matlab和eeglab。這篇文章中使用的版本是matlab2013+eeglab13∨刍迹現(xiàn)在我 主要用的是eeglab14坦康。個人建議，剛開始學習的朋友诡延，使用這個版本的就足夠了滞欠。放一個我自己現(xiàn)在用的eeglab的下載鏈接。想要的朋友可以自取肆良。
鏈接：https://pan.baidu.com/s/1gwVeeEdYnY-l1w2kHY6inA
提取碼：0nnf
1. 導入數(shù)據(jù)
選擇要導入的數(shù)據(jù)格式
接下來會彈出一個對話框筛璧，是否要對數(shù)據(jù)進行選擇性導入逸绎，一般都是全部導入，直接點OK即可
接下來又會再彈出一個對話框夭谤，是否要對數(shù)據(jù)進行命名棺牧。基本上在EEGLAB的每一步操作之后都會彈出這樣的對話框朗儒，詢問你是否需要對新產(chǎn)生的數(shù)據(jù)進行命名颊乘，根據(jù)自己需要選擇即可。
2. 對數(shù)據(jù)進行初步認識
- channel per frame： 64 指導入的數(shù)據(jù)有64個通道
- frames per epoch： 一段數(shù)據(jù)的總長度醉锄，是439880采樣點
- epochs：指當前數(shù)據(jù)的段數(shù)乏悄，原始數(shù)據(jù)還沒有進行分段，因此顯示只有一段
- events：檢測到當前數(shù)據(jù)一共有202個events
- sampling rate（HZ）：數(shù)據(jù)的采樣率為1000HZ
- epoch start和epoch end: 這個的分段是從0秒開始恳不，到439.879秒結束檩小。還沒有進行分段所以看這個數(shù)值沒有意義
- reference: 指數(shù)據(jù)的參考點，重參考后會顯示重參考的電極點烟勋，或者average规求，目前還沒有進行重參考所以是unknown
- channel locations：是否有對通道進行定位，目前顯示沒有卵惦，定位后會顯示為yes
- ICA weights：是否對數(shù)據(jù)進行了ICA獨立主成分分析阻肿，分析后會顯示yes
- dataset size：數(shù)據(jù)的大小
3. 電極定位
默認文件是standard-10-5-cap385.elp，點擊確定即可
點擊OK之后可以進入下一步查看數(shù)據(jù)
如果檢查到某個電極點的坐標信息為空白（如上圖所示）鸵荠，可能是該通道的名稱在加載的模板文件中找不到冕茅，那么
- 如果確定該通道是根據(jù)國際排布系統(tǒng)來確定的，那可以修改label名稱后再點擊下方的look up locs來更新通道位置信息蛹找，比如上圖的VEO改為VEOG姨伤，然后更新位置信息之后就可以看到了
- 如果不是國際排布系統(tǒng)，可以向廠家要電極的坐標位置信息
- 如果知道該電極點的精確坐標庸疾，可以手動輸入
-
雙側乳突的電極點位置可能會根據(jù)腦電系統(tǒng)的不同而不同乍楚，比如TP9 TP10,A1 A2, M1 M2這三對都是指雙側乳突
更新后的電極點坐標
4. 移除無用電極
此處我們要移除掉兩個眼電數(shù)據(jù)
5. 重參考
此處要將數(shù)據(jù)轉換為雙側乳突平均參考，即TP9届慈，TP10
2021.12.17 補充
雙側乳突平均參考可以在這里做徒溪，但如果是全腦平均參考的話，建議在進行完所以預處理金顿，數(shù)據(jù)都干凈了之后再進行重參考
2021.12.18 補充
關于單側乳突轉雙側乳突可以看這篇文章 單側乳突轉雙側乳突平均
6. 重采樣
不一定每個數(shù)據(jù)都需要進行重采樣臊泌，可根據(jù)需要進行
7. 濾波
此處選擇默認的濾波器進行0.1-30Hz的濾波
依次在第一框中填入0.1和第二個框中填入30進行計算，兩個一起填代表進行帶通濾波揍拆，建議分開進行
8. 分段和基線校正
點擊OK后會彈出下一個要求基線校正的對話框渠概，默認是event前的數(shù)據(jù)作為基線來進行校正，點擊OK即可
9. 插值壞導
對數(shù)據(jù)進行檢查，如果發(fā)現(xiàn)某個通道的數(shù)據(jù)壞了播揪，可以用插值的方式來進行校正
此處要校正的通道為FC3贮喧，選擇插值的通道為它周圍的四個電極點，F(xiàn)3,FC1,C3,FC5
- 第一種方法是代碼操作
EEG.data(a,:,:) = mean(EEG.data([b c d],:,:)) ;
其中a代表壞掉的電極點數(shù)值猪狈，b c d 代表要進行插值平均的電極點數(shù)值
如果不確定通道數(shù)值是多少箱沦，可以通過Plot - channel locations - by name 來進行查看
所以這句代碼為
EEG.data(17,:,:) = mean(EEG.data([8 18 26 16],:,:)) ;
這句代碼的意思是指雇庙，第17個通道的數(shù)值谓形，用第8，18状共，26套耕，16這四個通道數(shù)值的平均值來代替
-
第二種方法是面板操作，用eeglab的默認算法進行
interpolate electrodes
interpolate electrodes
10. ICA
使用ICA算法剔除偽跡峡继，此步操作耗時較長
因為我們有一個壞通道的數(shù)據(jù)是用其他通道的數(shù)據(jù)生成的，相當于我們損失了一個有效通道數(shù)據(jù)匈挖，而ICA默認是在所有通道都是有效數(shù)據(jù)的情況下進行的碾牌，所以此處我們需要進行一些修改，在
'extended', 1后面加上'pca', 59儡循，中間用逗號和空格隔開舶吗，逗號要用英文輸入法下的
點擊確定之后會出現(xiàn)一個對話框，顯示正在進行ICA計算择膝，計算結束后該對話框會消失
在跑完ICA之后建議保存當前數(shù)據(jù)誓琼，在進行偽跡剔除操作。這樣做可以保證在剔除不當?shù)臅r候隨時回到未剔除的狀態(tài)下重新進行選擇肴捉。
此時會保存為eeglab的.set的格式文件
在跑完ICA之后就可以用ICA進行偽跡剔除了
選擇要畫出的成分數(shù)腹侣，此處我們選擇默認狀態(tài)
eeglab提示我們一張畫布只能畫下35個圖，剩下的會在第二張畫布中畫出齿穗，點擊OK即可
此時我們可以對所有的ICA成分進行查看和標記傲隶，點擊成分數(shù)字，會出現(xiàn)該成分的詳細情況窃页。如果覺得該成分代表偽跡成分跺株，想要剔除的話，可以先將它標記起來脖卖。標記的方式是單機下方綠色的
ACCEPT,單擊之后會變成紅色的REJECT
這一步需要對每一個成分進行查看和判斷乒省，然后將想要剔除的成分先標記起來。ICA可以進行眼電偽跡畦木，肌電偽跡袖扛，壞導偽跡以及心電偽跡等的辨識與剔除，但是此處我們只進行眼電偽跡的剔除馋劈，我們將第一個成分和第13個成分標記起來攻锰，標記了的成分數(shù)會變成紅色晾嘶。然后點OK。此時還沒有進行剔除操作娶吞。
除了上面那種方式之外垒迂，還可以使用逐個成分畫出的方式來查看和標記
11. 剔除ICA成分
eeglab默認兩個框都是一樣的信息，此時記得把第二個框的信息給清除掉
在接下來的對話框里妒蛇，我們可以對剔除了ICA成分和未剔除的數(shù)據(jù)進行比較
紅色代表未剔除的數(shù)據(jù)机断，藍色代表剔除后的數(shù)據(jù)
從紅色框中的部分可以看到，我們還是很有效地剔除了眼動偽跡的
檢查確認無誤后點擊
accept進行剔除操作
12. 剔除壞段
-
絕對閾值法
此處我們選擇剔除掉超出±100μV的trial绣夺。
reject epoch
reject epoch -
目視檢查法
channel data
逐個trial進行查看吏奸，如果發(fā)現(xiàn)有偽跡過大的trial想要剔除的話，單擊該trial陶耍，它會變成黃色奋蔚。選擇完所有trials后，點擊下方的reject即可烈钞。此處選中的兩個trials僅僅作為演示用泊碑。reject trials
13. 保存數(shù)據(jù)
至此EEG數(shù)據(jù)的預處理就基本完成了，我們可以再次將這個數(shù)據(jù)保存起來毯欣，以供下一步操作馒过。
