EEGLAB数据预处理基本流程GUI实操指南

在前面的文章中，我已经介绍了如何下载和安装EEGLAB，可参考之前的文章：心理学系列软件安装之EEGLAB下载安装教程    

本文的预处理的基本流程参考b站视频胡理老师实验室的流程，”九步走”流程：

•1.导入数据

•2.定位电极

•3.剔除无用电极

•4.重参考

•5.滤波

•6.分段

•7.插值坏导和剔除坏段

•8.Run ICA

•9.剔除眼动成分等

本文所使用的MATLAB版本2016b，EEGLAB版本2023.0

Step1 导入数据

当前演示的数据集是Brain Products脑电（简称“BP”）设备采集的示例数据，通常其每份数据有三个文件，分别是”eeg”,”vhdr”,”vmrk”。

启动EEGLAB，在command窗口输入eeglab 回车

             

                           

打开的eeglab窗口中的菜单栏中，点击以下菜单：

              

点击红圈之后，从自己的电脑上寻找储存原始数据的文件夹，然后一路点击”OK”，然后就会出现以下界面：

             

•“Filename” 是该数据文件的命名，因为在导入时弹出的对话框省去了命名过程，所以此处显示“none”

•“Channels per frame” 是指当前导入被试电极点的数目，此处显示电极数目为22个

•“Frames per epoch” 指的是每分段数据的采样点数，刚导入数据还没有进行分段，显示的是整段数据的采样点

•“Epochs” 指的是分段的数量，目前还未分段，所以显示为1

•“Events” 指的是Marker的数目，此处显示为490

•“Sampling rate (HZ)” 指的是采样率，此处采样率为250HZ，表示每隔4ms就打一个点

•“Epoch start (sec)” 每分段数据开始的时间

•“Epoch end (sec)” 每分段数据结束的时间

•“Reference” 指的是重参考，此处显示为unknown

•“Channel locations” 指的是电极定位，如果数据已有，则显示有Yes，没有则unknown

•“ICA weights” 指的是ICA，还没有run ICA,因此此处显示为No

•“Dataset size (Mb)” 指的是该数据的大小

Step2 定位电极（通常）

当“Channel locations” 显示为unknown，则必须进行location定位文件选择，它能显示头部空间的测量区域。点击EEGLAB的菜单栏Edit-Channel locations：

             

之后会弹出如下对话框，寻找定位文件，此时如果有定位文件可以直接导航到该文件，如果没有则可以使用高导联的文件进行制作：

             

默认点击”OK”即可，随后会弹出以下界面：

             

点击Plot 2-D会弹出如下对话框

             

展示的是头部空间定位示意图，确定是正确的，就关闭它，并点击OK，返回主菜单

             

你会发现，Channel locations 由之前的No变为Yes

Step3 剔除无用/坏电极（可选步骤）

在采集数据时，有时候由于设备导联的问题或是被试在做实验时电极由于滑动导致该通道的数据无效，因此在分析数据时需要剔除。点击以下如图菜单：Edit - Select data

             

之后会弹出如下对话框：

             

如需移除通道，将 Channels右边的选项勾选上，然后再点击…按钮，会出现如上图所示的长条形对话框，方框里面是所有电极的名称，这时将需要的剔除的电极选择上，如上图，我选择了 VEOG这个电极（该电极表示是垂直眼电），然后点“OK”，在弹出的对话框中自行确定是否需要修改命名。

             

             

这时我们可以发现，电极的数目由之前的22个变为现在的21个。

Step4 重参考（离线转换参考）

重参考也叫离线参考。目的是找到最接近‘零’电位信号的电极点，这样在转换参考时，就可以说明是单个信号电极产生的信号。点击以下如图菜单：Tools-Re-reference

             

之后会弹出下图中的对话框：

             

在目前大多数都研究中，64通道的数据最常见的是双侧乳突参考或鼻尖参考，128通道以上的是平均参考，至于具体研究中用哪种参考方式需要根据自己研究需求确定。如上图设置为双侧乳突参考A1A2，有时也叫TP9TP10，或者M1M2。

             

可以发现，重参考由之前的unknown变成了A1A2

Step5 滤波

滤波是将不需要的信号频带从原始信号中剔除，保留所需的属于大脑信号的频带（通常认为是小于30Hz）。

点击如图菜单：

             

之后会出现如下界面：设置低通和高通滤波。

             

一般情况下，高通滤波设置为0.1Hz，低通滤波设置为30Hz，有时也设置更高。

温馨提示：在EEGLAB中进行滤波要将高通滤波和低通滤波分开运行，不要同时进行！在ERPLAB中可以同时运行。对于滤波器类型的选择，EEGLAB中是选择FIR，ERPLAB中选择IIR。

然后点击“OK”即可。当做完滤波后，在打开plot-channel data(scroll)，你会发现数据会变好看很多。

             

             

Step6 分段

通常进行ERP时，必做的分段数据，即根据对应的刺激marker或是反应marker将采集的连续数据进行分段，取一定的时间窗。点击以下如图菜单：

             

之后会弹出如下界面：

             

             

点击红框的按钮后会出现长条对话框，框中显示的是Marker的名称。选择所需的marker，S11表示小概率事件；S22表示大概率事件。因此我选择了S11和S22作为分段的依据标准。然后点击“OK”

             

上面的红框中需要设置分段的起始时间，开始时间要大于等于200ms(一般设置为200ms或者1000ms,这里以秒为单位，具体也需要根据研究目的设置)，结束时间以脑电成分潜伏期时间来定，然后点击“OK”。

之后会弹出基线校正界面：

             

刺激前的200ms作为基线水平，点击“OK”即可。

             

可以看到，分段和基线校正已经完成了。

Step7 插值坏导和剔除坏段（可选）

坏导是指在数据采集时，由于各种原因（如，电极本身问题或阻抗不好等）导致数据记录有问题，但是在后期又特别想要该通道的数据，那么就可以利用插值的方法进行——利用该导联周边的几个电极点的均值作为该导的数据。

点击以下如图菜单：Tools-Interpolate electrodes

             

             

选择Select from data channels，选择要插值的坏导的通道名，然后点击“OK”。

             

坏段是指某段数据存在数据质量太差或者是反应错误的段，可将这段数据进行剔除，点击操作如下图：

             

打开弹出的界面如下：

             

如果发现某段数据漂移非常明显，鼠标单击左键，这一段数据就会变颜色，点右下角的“reject”，那么这段数据就会被剔除了。

Step8 Run ICA

ICA是独立成分分析方法，通常在eeg数据处理中使用其来剔除或纠正IC成分使用的。ICA每次运行的结果可能会有所不同，均属正常情况。

点击如图菜单：Tools--Decompose data by ICA。相对于其它步骤，此步耗时较长，跑完ICA的具体时间因电脑性能而定。

             

点击之后，会弹出新对话框，可选择其ica算法，如果不太理解算法的，直接默认第一个也可以。

直接“OK”，接着其界面就会开始跑ICA了。

             

等待跑完即可。

             

Step9 剔除眼动、噪声等干扰成分

运行完ICA后，首先查看哪些是干扰成分，可点击菜单栏：Tools-Classify components Using ICLabel-Label components

             

             

             

             

上图的图是通过IClabel的工具箱进行自动判断的，可以帮助自动识别出哪些是Eye的成分。后面就可以将该成分剔除。当然，我们也需要有经验来判断这些干扰成分。

下面介绍几种经典成分及其判断依据：

•眨眼：

             

判断依据：

1.前段分布

2.小方块

3.随机分布

4.低频能量高

5.成分排序靠前

•眼漂：

             

判断依据：

1.前段两侧分布，红蓝相对

2.长条状，红蓝相间

3.随机分布

4.低频能量高

5.成分排序靠前，但一般排在眨眼后面

•头动：

             

判断依据：

1.周围分布

2.长条状

3.随机分布

4.在单个trail里有非常明显的漂移

温馨提示：以上经典成分也没有绝对的标准，只是很多前辈总结出来的经验。原则上是，除非有非常大的把握判定为某种成分，否则不轻易删除数据。

             

接下来，我们进行干扰成分的剔除，可点击菜单栏：Tools-Remove components from data

             

             

选择成分2进行剔除。

             

点击Accept即可。

至此，基于GUI操作的脑电数据预处理大概算是完成了，一定不要忘记将预处理完的数据保存起来即可。