Pour commencer le traitement des données, nous vous recommandons de faire défiler les données d'abord, comme indiqué sur la figure, puis de rejeter les segments de données manifestement «mauvais», puis d'étudier leur spectre de puissance pour s'assurer que les données chargées sont adaptées à une analyse plus approfondie. Veuillez noter que la boîte à outils de traitement du signal Matlab doit être dans le chemin Matlab pour utiliser ces fonctions.
Étape exploratoire: dessiner le spectre de puissance du canal et la carte
Pour dessiner le spectre de puissance du canal et la carte topographique associée, veuillez sélectionner "Figure"> "Spectre de puissance du canal et carte". Cela ouvrira la fenêtre pop_spectopo.m (ci-dessous). Conservez les paramètres par défaut et appuyez sur OK.
La fonction doit renvoyer le graphique spectopo.m (ci-dessous). Puisque nous n'avons échantillonné que 15% des données (via la zone d'édition Pourcentage de données… ci-dessus), le résultat de chaque appel devrait être légèrement différent. (Naturellement, si vous entrez 100% dans la zone d'édition, cela ne se produira pas).
Chaque trace colorée représente le spectre de fréquence d'une activité de canal de données. Le graphique du cuir chevelu le plus à gauche montre la distribution de puissance du cuir chevelu à 6 Hz. Ces données sont concentrées sur la ligne du front. Les autres diagrammes du cuir chevelu montrent la distribution de puissance à 10 Hz et 22 Hz.
Le menu de la fenêtre pop_spectopo.m (ci-dessus) permet à l'utilisateur de calculer et de tracer des spectres dans une fenêtre temporelle spécifique des données. La valeur «Pourcentage de données…» peut être utilisée pour accélérer le calcul (en saisissant un nombre proche de 0) ou pour renvoyer plus de mesures de certitude (en saisissant un nombre proche de 100).
Veuillez noter que les fonctions pop_spectopo.m et spectopo.m peuvent également être utilisées pour développer des données. Un autre élément de menu, "Tracer"> "Propriétés du canal", permet de tracer la position du cuir chevelu du canal sélectionné et sa plage d'activité et l'ERP schéma-image de ses activités en une seule période.
La section suivante présente certaines des options de prétraitement des données disponibles via le menu EEGLAB.
1. Outil de prétraitement
1.1 Modification de la fréquence d'échantillonnage des données
L'utilisation la plus courante de "Outils"> "Modifier la fréquence d'échantillonnage" est de réduire la fréquence d'échantillonnage pour économiser de la mémoire et de l'espace de stockage sur le disque. La fenêtre Pop_resample.m apparaît et demande le nouvel échantillonnage évaluer.
Cette fonction utilise Matlab resample () (dans la boîte à outils de traitement du signal - si vous n'avez pas cette boîte à outils, elle utilisera la fonction lente Matlab griddata). Puisque l'ensemble de données EEG du didacticiel est déjà à une fréquence d'échantillonnage acceptable, veuillez ne pas le faire. t utilisez-le ici Utilisez cette fonction.
1.2 Filtrage des données
Afin d'éliminer les tendances linéaires, il est généralement nécessaire d'effectuer un filtrage passe-haut sur les données.
Étape critique 6: Élimination des tendances linéaires
Nous vous recommandons de filtrer les données EEG en continu avant de supprimer les artefacts, bien que cette fonction puisse également être utilisée pour filtrer les données extraites (chaque époque est filtrée séparément). Le filtrage des données continues peut minimiser les artefacts de filtrage introduits à la limite d'époque. Sélectionnez "Outils"> "Filtrer les données"> "Filtre FIR de base (nouveau, par défaut)", entrez 1 (Hz) comme fréquence limite inférieure et appuyez sur "OK".
Une fenêtre pop \ u newset.m apparaît et demande le nom du nouvel ensemble de données. Nous choisissons de modifier le nom de l'ensemble de données et d'écraser l'ensemble de données parent en cochant la case Ecraser le parent, puis en appuyant sur le bouton OK.
Veuillez noter que si les fréquences de coupure passe-haut et passe-bas sont sélectionnées, la procédure de filtrage peut ne pas fonctionner. Pour éviter ce problème, nous vous recommandons d'appliquer d'abord un filtre passe-bas, puis un filtre passe-haut lors du deuxième appel (et vice versa).
Une autre utilisation courante du filtrage passe-bande consiste à éliminer le bruit de ligne à 50 Hz ou 60 Hz. L'option de filtrage eegfilt.m dans EEGLAB utilise un filtrage linéaire à réponse impulsionnelle finie (FIR). S'il existe une boîte à outils de traitement du signal Matlab, utilisez la routine Matlab filtfilt (). Ceci applique le filtre vers l'avant puis vers l'arrière pour s'assurer que le retard de phase introduit par le filtre est éliminé. S'il n'y a pas de boîte à outils de traitement du signal Matlab, EEGLAB utilise une méthode de filtrage simple qui implique la transformée de Fourier inverse.
Le plug-in de filtre Infinite Impulse Response (IIR) est également distribué sous forme de plug-in d'EEGLAB. Une fois le plug-in installé (voir comment installer le plug-in ici), vous pouvez y accéder à partir de l'élément de menu Outils> Filtrer les données> Filtre IIR court. Cette fonction utilise la même interface graphique que l'option de filtre FIR décrite ci-dessus. Bien que les filtres IIR introduisent généralement des retards de phase différents à différentes fréquences, cela peut être compensé en appliquant à nouveau le filtre dans le sens inverse à l'aide de la fonction Matlab filtfilt (). En fait, nous vous recommandons de tester l'utilisation de ce filtre IIR car il est plus fort (plus court) que le filtre FIR.
Si vous appliquez le filtrage et continuez à utiliser l'ensemble de données mis à jour, vérifiez si le filtre a été appliqué en sélectionnant l'élément de menu Tracer> Spectres de canal et mappe pour tracer le spectre de données. Vous remarquerez peut-être que la région de fréquence filtrée peut présenter une «ondulation», ce qui est inévitable, mais, espérons-le, des artefacts de filtrage acceptables.
(Remarque: il reste encore beaucoup à apprendre sur le filtrage, et Matlab lui-même fournit également plus d'options de filtrage).
1.3
Nouvelle citation des données ① Qu'est-ce qu'une nouvelle citation et pourquoi devrait-elle être re-citée?
L'électrode de référence utilisée lors de l'enregistrement des données EEG est souvent appelée référence "universelle" pour les données - si tous les canaux utilisent la même référence. La référence d'enregistrement typique dans l'enregistrement EEG est une sorte de papille (comme TP10 dans le système 10-20, l'électrode rouge dans la figure ci-dessous), papille connectée (généralement une papille liée numériquement, calculée hoc, électrode de sommet (Cz), les lobes d'oreille ou les embouts nasaux simples ou connectés, les systèmes avec électrodes actives (comme BIOSEMI active Two) peuvent ne pas enregistrer de données de référence. Dans ce cas, la référence doit être sélectionnée après l'importation des données, sinon elle sera dans les données Laissez 40 dB de bruit inutile!
Certains chercheurs affirment que la référence non-scalp (lobe de l'oreille, nez) introduit plus de bruit que la référence du canal du cuir chevelu, même si cela n'a pas été confirmé à notre connaissance. Si les données sont enregistrées avec une référence donnée Oui, ils peuvent sont généralement référencées à nouveau (à l'intérieur ou à l'extérieur d'EEGLAB) vers tout autre canal de référence ou combinaison de canaux.
Certains chercheurs préconisent de convertir les données à partir d'une référence fixe ou générale (par exemple, à partir d'un lobe d'oreille général ou d'une autre référence de canal) avant l'analyse. est la "référence moyenne", en particulier lorsque l'électrode couvre la quasi-totalité de la tête (pour certains systèmes d'enregistrement haute densité). L'avantage de la référence moyenne réside dans le fait qu'il existe des courants positifs et négatifs vers l'extérieur sur l'ensemble (isolé électriquement ) sphère La somme sera égale à 0 (selon la loi d'Ohm).
Par exemple, dans la figure ci-dessous, la puissance dans le sens tangentiel est liée au courant positif entrant à gauche (ici bleu) et au courant inverse inverse à droite (rouge) Si l'on considère que le courant traversant la base du crâne vers le cou et le corps est négligeable (par exemple, en raison de la faible conductivité du crâne à la base du cerveau), on peut supposer que la valeur du champ électrique enregistrée sur toutes les électrodes du cuir chevelu (suffisamment dense et uniformément répartie) La somme est toujours 0 (hypothèse de référence moyenne).
Le problème avec cette hypothèse est que la vraie moyenne des données de référence nécessite une répartition uniforme des électrodes sur la tête. Ce n'est généralement pas le cas, car les chercheurs placent généralement plus d'électrodes sur des zones spécifiques du cuir chevelu et placent moins d'électrodes (le cas échéant) sur la partie inférieure de la tête. Par conséquent, le résultat de référence moyen utilisant un point peut ne pas être directement comparé avec le résultat de référence moyen obtenu avec un autre point.
Ci-dessous, nous décrivons en détail le processus de conversion des données en une "référence moyenne". Veuillez noter que dans ce processus, le cours du temps d'activité implicite à l'électrode de référence précédente peut être calculé à partir des données restantes (par conséquent, les données obtenues An canal supplémentaire, mais pas un degré de liberté supplémentaire).
Notez également que si les données sont enregistrées à l'aide d'électrodes de pointe de nez ou de lobe d'oreille, ces électrodes de référence ne doivent pas être incluses lors du calcul de la référence moyenne en (1) (ci-dessous), donc dans l'exemple, le facteur de division (en (2) In) ) sera 64 au lieu de 65. Par conséquent, dans l'exemple ci-dessous, le facteur de division (2) sera de 64 au lieu de 65. Veuillez noter que lorsque vous utilisez le plug-in EEGLAB DIPFIT pour localiser le code source, les "références moyennes" seront utilisées en interne (aucune entrée utilisateur n'est requise).
Le choix de la référence des données ne change pas (littéralement) les résultats imprimés de l'analyse des données. Par exemple, la carte de puissance alpha moyenne sur le cuir chevelu doit également avoir une valeur minimale au niveau du canal de référence, même si elle est réellement en dessous et vers le canal de référence. Cependant, aucune citation (valide) ne peut être considérée comme fausse. Au lieu de cela, on peut dire que chaque citation fournit une autre vue des données. Cependant, lors de l'évaluation (en particulier de la comparaison) des résultats EEG, la nature de la référence doit être prise en compte .
Pour la décomposition ICA (décrite plus loin dans ce tutoriel), le choix de la référence n'est pas si important. En effet, changer la référence équivaut uniquement à une transformation linéaire des données (en termes mathématiques, en la multipliant par une matrice de re-référence fixe), qui est une transformation insensible à l'ICA. En fait, nous avons obtenu des résultats de qualité similaire à partir de données enregistrées et analysées à l'aide de la référence mastoïde, sommet ou nez. Nous vous recommandons d'utiliser la même référence que les autres canaux pour enregistrer le canal oculaire (généralement quatre canaux, deux pour la détection des mouvements oculaires verticaux et deux pour la détection des mouvements oculaires horizontaux). Il est toujours possible de restaurer l'activité de montage bipolaire en soustrayant l'activité de la paire d'électrodes On appelle ces canaux des canaux «EEG périoculaires». Parce qu'ils enregistrent non seulement les signaux d'électrooculogramme (EOG), mais aussi l'activité EEG du lobe préfrontal.
ICA peut être utilisé pour décomposer des données à partir d'un canal de référence moyen, d'un canal de référence commun ou d'un canal de référence bipolaire, et il peut également décomposer plusieurs types de données à la fois. Cependant, dessiner une seule carte scalp nécessite que tous les canaux utilisent la même référence commune ou la même référence moyenne. Étant donné que l'anti-missile à la source est le plus facilement négligé dans le modèle Robert-Velica, ces valeurs antimissiles peuvent être ignorées dans le modèle antimissile à la source. ②Spécifiez les citations et requotez les
données.
Nous décrirons de manière sélective les électrodes et les références dans les références.
Étapes à suivre: Pour
requoter des données, sélectionnez "Outils"> "Requote Data" et convertissez l'ensemble de données en une moyenne en appelant la fonction pop_reref.m Pour référence, lorsque vous appelez cet élément de menu pour un ensemble de données donné pour la première fois, la fenêtre suivante apparaîtra.
Les données ci-dessus (échantillon) ont été enregistrées en utilisant la référence mastoïde. , Puisque nous ne voulons pas inclure ce canal de référence dans les données ou la référence moyenne, nous ne cliquons pas sur la case à cocher "Ajouter le canal de référence actuel dans les données". (Lorsque la référence d'enregistrement est sur le cuir chevelu, veuillez cocher cette case), la référence de données à une zone de site (par défaut) doit rester sélectionnée.
Maintenant, appuyez sur le bouton OK: la fenêtre de re-référence suivante apparaît.
Appuyez sur le bouton OK pour calculer la valeur de référence moyenne, puis cette étape sera enregistrée dans la fenêtre principale EEGLAB (non représentée). Comme à l'étape précédente, une boîte de dialogue apparaîtra vous demandant le nom du nouvel ensemble de données. Enregistrez les données référencées dans un nouvel ensemble de données ou cliquez sur Annuler, car la nouvelle référence ne sera pas utilisée dans les sections suivantes.
Après avoir calculé la moyenne des données de référence, l'appel du menu "Outils"> "Référencer les données" permet toujours aux données d'être référencées de nouveau vers n'importe quel canal ou groupe de canaux (ou annuler la conversion de référence moyenne - tant que vous choisissez d'inclure la référence initiale canal dans les données lors de la conversion en référence moyenne)). Veuillez noter que la fonction de re-référence renverra également les poids ICA et les cartes scalp stockées (si elles existent).
Demander des données peut être plus compliqué. Par exemple, si vous enregistrez des données référencées à Cz et que vous souhaitez renvoyer les données au mastoïde lié. Maintenant, vous voulez ajouter Cz aux données sous l'hypothèse de référence moyenne (l'hypothèse que la moyenne de toutes les électrodes est 0). La première étape consiste à calculer la référence moyenne et à déclarer Cz comme référence dans l'éditeur de canal. Dans l'éditeur de canaux, les références sont placées après tous les canaux de données (veuillez noter que la case à cocher "canaux de données" n'est pas cochée car il ne s'agit pas de canaux de données réels). Pour déclarer une référence, allez à la dernière chaîne et appuyez sur le bouton "Ajouter" pour créer une chaîne vide.
Remplissez le nom du canal (entrez "Cz" dans la zone d'édition "Nom du canal"), puis entrez l'emplacement du canal (le cas échéant). Par exemple, vous pouvez entrer la position X, Y, Z, puis appuyer sur XYZ-> Polar & Sph. Convertissez les coordonnées rectangulaires 3D en coordonnées polaires et en coordonnées sphériques. Si vous n'avez pas la position de l'électrode, il vous suffit d'appuyer sur le bouton «Rechercher la position» pour la trouver automatiquement en fonction de l'étiquette du canal 10-20 (notez que cela permettra de trouver la position de toutes les électrodes).
Appuyez ensuite sur le bouton Définir référence pour définir la référence de tous les canaux sur Cz (vous devez taper Cz dans la case à cocher et vous devez entrer manuellement la plage de canaux).
Appuyez sur OK pour confirmer votre nouveau canal de référence, puis revenez à l'interface de re-référence. Maintenant, cliquez sur le bouton Conserver l'ancienne référence.
Vous pouvez maintenant sélectionner l'électrode "Cz" et appuyer sur OK.
Appuyez ensuite sur OK pour re-citer les données, c'est la première étape. Si vous voulez vraiment re-référencer les données aux papilles liées, vous devez appeler à nouveau l'interface de re-référence et sélectionner deux papilles comme nouvelles références. La raison de ce processus trop compliqué est que le canal de référence peut avoir une position, et la position doit être déclarée dans l'éditeur de canal afin qu'il puisse être dessiné avec d'autres canaux. La section suivante du didacticiel expliquera comment extraire des segments de données à partir d'ensembles de données continus ou segmentés.
③Re-citer plusieurs canaux.
En supposant que vous avez collecté des données à l'aide de la référence M1 (mastoïde) et que vous souhaitez utiliser la mastoïde liée (M1 et M2) comme référence pour traiter les données, le processus est le suivant: Comme décrit dans la précédente section, spécifiez M1 comme référence, et calculez la référence moyenne tout en conservant l'électrode M1 (comment conserver le canal de référence est également décrit dans la section précédente) et re-citez les données en sélectionnant les électrodes M1 et M2 comme référence (puis vous pouvez choisir de conserver le canal de référence ou de le supprimer)
Insérez une petite annonce
Amplificateur EEG de qualité BCI Pro pour la recherche scientifique
Nombre total de canaux de signal EEG 8/16/24/32 canaux
Fréquence d'échantillonnage 250-1000SPS configurable
Facteur d'amplification du signal 12-24 fois configurable
Impédance d'
entrée du signal ≥1TΩ
Rapport de rejet en mode commun du signal d'entrée ≥-110dB Signal Précision d'échantillonnage
Bruit de référence d'entrée 24 bits 1,4uVpp (bande passante 70Hz)
courant de polarisation d'entrée ≤ 2pA
tension de décalage d'entrée ≤ 100uV
détection d'impédance du fil d'électrode d'entrée, la connexion peut être configurée de manière flexible
Performance de protection ESD d'entrée d'électrode en ligne avec la décharge de contact CEI 61000-4-2 ± 12kV
IEC 61000-4-2 décharge d'entrefer ± 15 kV
IEC 61000-4-5 surtension 3.0A (8 / 20μs)
vie du système 8H, le temps de charge 3 heures, suivi de la puissance batterie du système
Volume 130 90 100 mm, poids 400 g
Ajouter direction pour obtenir plus de nombreux
Cet article est organisé ou rédigé par la communauté open source de l'interface cerveau-ordinateur BCIduino. La communauté d'interface cerveau-ordinateur BCIduino a été lancée par des maîtres et des médecins de l'Université d'aéronautique et d'astronautique de Beijing, de l'Université Cornell, de l'Université de Pékin, de l'Université de médecine de la capitale et d'autres.