Para comenzar a procesar los datos, recomendamos desplazarse primero por los datos, como se muestra en la figura, luego rechazar los segmentos de datos obviamente "malos" y luego estudiar su espectro de potencia para asegurarse de que los datos cargados sean adecuados para un análisis posterior. Tenga en cuenta que la caja de herramientas de procesamiento de señales de Matlab debe estar en la ruta de Matlab para utilizar estas funciones.
Paso exploratorio: dibujar el espectro de potencia del canal y el mapa
Para dibujar el espectro de potencia del canal y el mapa topográfico relacionado, seleccione "Figura"> "Espectro y mapa de potencia del canal". Esto abrirá la ventana pop_spectopo.m (abajo). Mantenga la configuración predeterminada y presione OK.
La función debería devolver el gráfico spectopo.m (abajo). Dado que solo muestreamos el 15% de los datos (a través del cuadro de edición Datos de porcentaje ... anterior), el resultado de cada llamada debería ser ligeramente diferente. (Naturalmente, si ingresa 100% en el cuadro de edición, esto no sucederá).
Cada trazo de color representa el espectro de frecuencia de la actividad de un canal de datos El gráfico del cuero cabelludo más a la izquierda muestra la distribución de potencia del cuero cabelludo a 6 Hz. Estos datos se concentran en la línea de la frente. Los otros diagramas de cuero cabelludo muestran la distribución de potencia a 10 Hz y 22 Hz.
El menú de la ventana pop_spectopo.m (arriba) permite al usuario calcular y trazar espectros en una ventana de tiempo específica de los datos. El valor "Porcentaje de datos ..." se puede utilizar para acelerar el cálculo (ingresando un número cercano a 0) o para devolver más medidas de certeza (ingresando un número cercano a 100).
Tenga en cuenta que las funciones pop_spectopo.m y spectopo.m también se pueden utilizar para expandir los datos. Otro elemento del menú, "Trazar"> "Propiedades del canal", puede trazar la posición del cuero cabelludo del canal seleccionado y su rango de actividad Y el ERP diagrama de imagen de sus actividades en un solo período.
La siguiente sección analiza algunas de las opciones de preprocesamiento de datos disponibles a través del menú EEGLAB.
1. Herramienta de preprocesamiento
1.1 Cambiar la frecuencia de muestreo de datos
El uso más común de "Herramientas"> "Cambiar frecuencia de muestreo" es reducir la frecuencia de muestreo para ahorrar memoria y espacio de almacenamiento en disco. La ventana Pop_resample.m aparece y solicita el nuevo muestreo Velocidad.
Esta función usa resample de Matlab () (en la caja de herramientas de procesamiento de señales; si no tiene esta caja de herramientas, usará los datos de cuadrícula de la función Matlab lenta). Dado que el conjunto de datos de EEG del tutorial ya tiene una frecuencia de muestreo aceptable, no lo haga ' úselo aquí Utilice esta función.
1.2 Filtrado de los datos
Para eliminar las tendencias lineales, generalmente es necesario realizar un filtrado de paso alto en los datos.
Paso crítico 6: Eliminación de tendencias lineales
Recomendamos filtrar los datos EEG continuos antes de eliminar los artefactos, aunque esta función también se puede utilizar para filtrar los datos extraídos (cada época se filtra por separado). El filtrado de datos continuos puede minimizar los artefactos de filtrado introducidos en el límite de la época. Seleccione "Herramientas"> "Filtrar datos"> "Filtro FIR básico (nuevo, predeterminado)", ingrese 1 (Hz) como frecuencia límite inferior y presione "Aceptar".
Aparece una ventana emergente \ u newset.m y solicita el nombre del nuevo conjunto de datos. Elegimos modificar el nombre del conjunto de datos y sobrescribir el conjunto de datos padre marcando la casilla de verificación sobrescribir padre y luego presionando el botón OK.
Tenga en cuenta que si se seleccionan las frecuencias de corte de paso alto y paso bajo, es posible que el procedimiento de filtrado no funcione. Para evitar este problema, recomendamos aplicar primero un filtro de paso bajo y luego un filtro de paso alto en la segunda llamada (y viceversa).
Otro uso común del filtrado de paso de banda es eliminar el ruido de línea de 50 Hz o 60 Hz. La opción de filtrado eegfilt.m en EEGLAB utiliza filtrado lineal de respuesta de impulso finito (FIR). Si hay una caja de herramientas de procesamiento de señales de Matlab, use la rutina de Matlab filtfilt (). Esto aplica el filtro hacia adelante y luego hacia atrás para garantizar que se elimine el retardo de fase introducido por el filtro. Si no hay una caja de herramientas de procesamiento de señales de Matlab, EEGLAB usa un método de filtrado simple que involucra la transformada inversa de Fourier.
El complemento de filtro Infinite Impulse Response (IIR) también se distribuye como un complemento de EEGLAB. Una vez instalado el complemento (consulte cómo instalar el complemento aquí), puede acceder a él desde el elemento de menú Herramientas> Filtrar los datos> Filtro IIR corto. Esta función utiliza la misma interfaz gráfica que la opción de filtro FIR descrita anteriormente. Aunque los filtros IIR generalmente introducen diferentes retardos de fase a diferentes frecuencias, esto se puede compensar aplicando el filtro en la dirección inversa nuevamente usando la función de Matlab filtfilt (). De hecho, le recomendamos que pruebe el uso de este filtro IIR porque es más fuerte (más corto) que el filtro FIR.
Si aplica el filtrado y continúa usando el conjunto de datos actualizado, verifique si el filtro se ha aplicado seleccionando el elemento de menú Trazar> Espectros de canal y mapas para trazar el espectro de datos. Puede notar que la región de frecuencia filtrada puede mostrar "ondulación", lo cual es inevitable, pero con suerte, artefactos de filtrado aceptables.
(Nota: todavía hay mucho que aprender sobre el filtrado, y el propio Matlab también ofrece más opciones de filtrado).
1.3
Nueva cotización de datos ①¿Qué es una nueva cotización y por qué debería volver a cotizar?
El electrodo de referencia utilizado cuando se registran los datos de EEG a menudo se denomina referencia "universal" para los datos, si todos los canales utilizan la misma referencia. La referencia de registro típica en el registro de EEG es una especie de papila (como TP10 en el sistema 10-20, el electrodo rojo en la figura siguiente), papila conectada (generalmente una papila unida digitalmente, hoc calculado, electrodo de vértice (Cz), lóbulos de las orejas o puntas nasales individuales o conectadas, los sistemas con electrodos activos (como BIOSEMI active Two) pueden no registrar datos de referencia. En este caso, la referencia debe seleccionarse después de importar los datos, de lo contrario estará en los datos Dejar 40 dB de ruido innecesario.
Algunos investigadores afirman que la referencia que no es del cuero cabelludo (lóbulo de la oreja, nariz) introduce más ruido que la referencia del canal del cuero cabelludo, aunque no se ha confirmado hasta donde sabemos. Si los datos se registran con una referencia dada, sí, pueden Por lo general, se volverá a referenciar (dentro o fuera de EEGLAB) a cualquier otro canal de referencia o combinación de canales.
Algunos investigadores abogan por convertir los datos de una referencia fija o general (por ejemplo, de un lóbulo de la oreja general u otra referencia de canal) antes del análisis. es la "referencia promedio", especialmente cuando el electrodo cubre casi todo el cabezal (para algunos sistemas de registro de alta densidad). La ventaja de la referencia promedio radica en el hecho de que hay corrientes positivas y negativas hacia afuera a través de toda la cabeza (eléctricamente aislada ) esfera La suma será igual a 0 (según la ley de Ohm).
Por ejemplo, en la siguiente figura, la potencia en la dirección tangencial está relacionada con la corriente positiva hacia la izquierda (aquí azul) y la corriente negativa hacia afuera hacia atrás. a la derecha (rojo) Si se considera que la corriente a través de la base del cráneo hasta el cuello y el cuerpo es insignificante (por ejemplo, debido a la baja conductividad del cráneo en la base del cerebro), se puede suponer que el valor del campo eléctrico registrado en todos los electrodos del cuero cabelludo (lo suficientemente denso y uniformemente distribuido) La suma es siempre 0 (hipótesis de referencia promedio)
El problema con esta hipótesis es que los datos de referencia promedio verdaderos requieren una distribución uniforme de los electrodos en la cabeza. Por lo general, este no es el caso, porque los investigadores generalmente colocan más electrodos en áreas específicas del cuero cabelludo y colocan menos electrodos (si los hay) en la parte inferior de la cabeza. Como resultado, el resultado de referencia promedio usando una puntada puede no ser comparado directamente con el resultado de referencia promedio obtenido usando otra puntada.
A continuación, describimos en detalle el proceso de conversión de los datos en una "referencia promedio". Tenga en cuenta que en este proceso, el curso de tiempo de actividad implícita en el electrodo de referencia anterior se puede calcular a partir de los datos restantes (por lo tanto, los datos obtenidos Un canal adicional, aunque no un grado adicional de libertad).
También tenga en cuenta que si los datos se registran usando electrodos en la punta de la nariz o en el lóbulo de la oreja, estos electrodos de referencia no deben incluirse al calcular la referencia promedio en (1) (abajo), por lo que en el ejemplo, el factor de división (en (2) In) ) será 64 en lugar de 65. Por lo tanto, en el ejemplo siguiente, el factor de división (2) será 64 en lugar de 65. Tenga en cuenta que al utilizar el complemento EEGLAB DIPFIT para localizar el código fuente, se utilizarán internamente "referencias promedio" (no se requiere ninguna entrada del usuario).
La elección de la referencia de datos no cambia (literalmente) los resultados impresos del análisis de datos. Por ejemplo, el mapa de potencia alfa promedio en el cuero cabelludo también debe tener un valor mínimo en el canal de referencia, incluso si en realidad está por debajo y hacia el canal de referencia. Sin embargo, no se puede decir que ninguna cita (válida) sea incorrecta. En cambio, se puede decir que cada cita proporciona otra vista de los datos. Sin embargo, al evaluar (especialmente comparar) los resultados de EEG, se debe considerar la naturaleza de la referencia .
Para la descomposición ICA (descrita más adelante en este tutorial), la elección de la referencia no es tan importante. Esto se debe a que cambiar la referencia solo equivale a una transformación lineal de los datos (en términos matemáticos, multiplicarlos por una matriz de re-referencia fija), que es una transformación que no es sensible a ICA. De hecho, obtuvimos resultados de calidad similar a partir de datos registrados y analizados utilizando la referencia de mastoides, vértice o punta de la nariz. Recomendamos utilizar la misma referencia que los otros canales para grabar el canal ocular (normalmente cuatro canales, dos para la detección del movimiento ocular vertical y dos para la detección del movimiento ocular horizontal). Siempre es posible restaurar la actividad del montaje bipolar restando la actividad del par de electrodos, a estos canales los llamamos "canales perioculares EEG". Porque registran no solo las señales del electrooculograma (EOG), sino también la actividad del EEG del lóbulo prefrontal.
ICA se puede utilizar para descomponer datos de un canal de referencia promedio, un canal de referencia común o un canal de referencia bipolar, y también puede descomponer más de un tipo de datos a la vez. Sin embargo, dibujar un solo mapa de cuero cabelludo requiere que todos los canales usen la misma referencia común o la misma referencia promedio. Dado que el más fácil de pasar por alto en el modelo de Robert-Velica es el antimisiles en la fuente, estos valores antimisiles pueden ignorarse en el modelo antimisiles en la fuente. ②Especificar citas y volver a cotizar
datos.
Describiremos selectivamente electrodos y referencias en las referencias.
Pasos de exploración: Para
volver a cotizar datos, seleccione "Herramientas"> "Datos de recotización" y convierta el conjunto de datos a un promedio llamando a la función pop_reref.m Para referencia, cuando llame a este elemento de menú para un conjunto de datos determinado por primera vez, aparecerá la siguiente ventana.
Los datos anteriores (de muestra) se registraron utilizando la referencia mastoidea. Dado que no queremos incluir este canal de referencia en los datos o en la referencia promedio, no hacemos clic en la casilla de verificación "Agregar canal de referencia actual en los datos". (Cuando la referencia de registro está en el cuero cabelludo, haga clic en esta casilla de verificación), la referencia de datos a un cuadro de sitio (predeterminado) debe permanecer seleccionada.
Ahora, presione el botón OK: aparece la siguiente ventana de re-referencia.
Presione el botón OK para calcular el valor de referencia promedio, y luego este paso se registrará en la ventana principal de EEGLAB (no se muestra). Como en el paso anterior, aparecerá un cuadro de diálogo solicitando el nombre del nuevo conjunto de datos. Guarde los datos re-referenciados en un nuevo conjunto de datos o haga clic en Cancelar, porque la nueva referencia no se utilizará en las siguientes secciones.
Después de promediar los datos de referencia, llamar al menú "Herramientas"> "Datos de referencia" aún permite volver a referenciar los datos a cualquier canal o grupo de canales (o deshacer la conversión de referencia promedio, siempre que elija incluir la referencia inicial canal en los datos al convertir a referencia media)). Tenga en cuenta que la función de re-referencia también re-referenciará los pesos ICA almacenados y los mapas de cuero cabelludo (si existen).
Requerir datos puede ser más complicado. Por ejemplo, si registra datos a los que se hace referencia a Cz y desea volver a hacer referencia a los datos al mastoideo vinculado. Ahora, desea agregar Cz nuevamente a los datos bajo la hipótesis de referencia promedio (la hipótesis de que el promedio de todos los electrodos es 0). El primer paso es calcular la referencia promedio y declarar Cz como referencia en el editor de canales. En el editor de canales, las referencias se colocan después de todos los canales de datos (tenga en cuenta que la casilla de verificación "canales de datos" no está marcada porque no son canales de datos reales). Para declarar una referencia, vaya al último canal y presione el botón "Agregar" para crear un canal vacío.
Complete la etiqueta del canal (ingrese "Cz" en el cuadro de edición "Etiqueta del canal"), y luego ingrese la ubicación del canal (si corresponde). Por ejemplo, puede ingresar la posición X, Y, Z y luego presionar XYZ-> Polar & Sph. Convierta coordenadas rectangulares 3D en coordenadas polares y coordenadas esféricas. Si no tiene la posición del electrodo, solo necesita presionar el botón "Buscar posición" para encontrarlo automáticamente según la etiqueta de 10-20 canales (tenga en cuenta que esto encontrará la posición de todos los electrodos).
Luego presione el botón Establecer referencia para establecer la referencia de todos los canales en Cz (debe escribir Cz en la casilla de verificación y debe ingresar manualmente el rango del canal).
Presione OK para confirmar su nuevo canal de referencia y luego regrese a la interfaz de re-referencia. Ahora, haga clic en el botón Conservar referencia anterior.
Ahora puede seleccionar el electrodo "Cz" y presionar OK.
Luego presione OK para volver a citar los datos, este es el primer paso. Si realmente desea volver a referenciar los datos a las papilas vinculadas, debe volver a llamar a la interfaz de re-referencia y seleccionar dos papilas como nuevas referencias. La razón de este proceso demasiado complicado es que el canal de referencia puede tener una posición, y la posición debe declararse en el editor de canales para que pueda dibujarse junto con otros canales. La siguiente sección del tutorial discutirá cómo extraer segmentos de datos de conjuntos de datos continuos o segmentados.
③Recitando varios canales.
Suponiendo que ha recopilado datos utilizando la referencia M1 (mastoides) y desea utilizar el mastoideo enlazado (M1 y M2) como referencia para procesar los datos, el proceso es el siguiente: Como se describe en la sección anterior sección, especifique M1 como Referencia y calcule la referencia promedio mientras mantiene el electrodo M1 (cómo retener el canal de referencia también se describe en la sección anterior) y vuelva a citar los datos mientras selecciona los electrodos M1 y M2 como referencia (luego puede optar por conservar el canal de referencia o eliminarlo)
Insertar un pequeño anuncio
Amplificador de EEG de grado de investigación científica BCI Pro
Número total de canales de señal de EEG 8/16/24/32 canales
Frecuencia de muestreo 250-1000SPS configurable
Factor de amplificación de señal 12-24 veces configurable
Impedancia de
entrada de señal ≥1TΩ Relación de rechazo de modo común de la señal de entrada ≥-110dB
Señal Precisión de muestreo
Ruido de referencia de entrada de 24 bits 1.4uVpp (ancho de banda 70Hz)
Corriente de polarización de entrada ≤ 2pA
Voltaje de compensación de entrada ≤ 100uV
Detección de impedancia del cable del electrodo de entrada, la conexión se puede configurar de manera flexible
Entrada del electrodo Rendimiento de protección ESD en línea con IEC 61000-4-2 Descarga de contacto ± 12kV
IEC 61000-4-2 Descarga de espacio de aire ± 15kV
IEC 61000-4-5 sobretensión 3.0A ( 8/20 μs )
Vida útil del sistema 8 h, tiempo de carga 3 h, monitoreo de energía de la batería del sistema
Volumen 130 90 100 mm, peso 400 g
Agregue administración para obtener más muchos
Este artículo está organizado o escrito por la comunidad de código abierto de interfaz cerebro-computadora de BCIduino. La comunidad de interfaz cerebro-computadora BCIduino fue iniciada por maestros y médicos de la Universidad de Aeronáutica y Astronáutica de Beijing, la Universidad de Cornell, la Universidad de Pekín, la Universidad de Medicina de Capital y otros. Búsqueda de tesoros)