![](https://img-blog.csdnimg.cn/20201014180756922.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
脑电学习笔记
文章平均质量分 84
向阳而生°
这个作者很懒,什么都没留下…
展开
-
9.静息态EEG微状态分析(下)
需注意的是这4个模板map的顺序不见得一定与文献中经典的4类静息态microstate maps的顺序相一致,因此需要绘制这4个模板map,并将它们与经典的class A、class B、class C和class D进行对比,确定ep文件中这4个模板map与 class A B C D的对应关系。每个被试的ep文件名中用数字标示出其最优类别数目,且每个被试的ep文件使用记事本打开后可见其维度是:最优类别数目*电极数目,单位是微伏。原创 2023-07-25 09:54:35 · 1457 阅读 · 1 评论 -
8、静息态EEG微状态分析(上)
提供精神/神经疾病的生理指标:对于不同的疾病而言,一个较为一致的发现是:相对正常健康被试而言,罹患上述疾病的病人某些微状态类别的持续时间变短,而另一些微状态类别的出现频率则增加。例如,通过对近15年来的精神分裂症静息态脑电微状态研究进行元分析,研究者发现精神分裂症患者微状态类别C的出现频率更高、微状态类别D的平均持续时间更短 (Rieger et al. 2016)。3、每个微状态类别的涵盖比例:它指的是每个微状态类别总的持续时间占全部静息态脑电时间长度。、如何确定地形图类别的数目:(1)强制为4个;原创 2023-07-18 20:50:11 · 3251 阅读 · 1 评论 -
7.脑功能连接分析
假设想计算维度为chan*time*epoch(E、T和S分别为电极或脑区数目、每个分段的点数、分段的数目)的静息态EEG数据中,电极X和电极Y的。假设想计算维度为E×T×S(E、T和S分别为电极或脑区数目、每个分段的点数、分段的数目)的任务态脑电数据中电极X和电极Y的PLV/PLI,(3)对S个前述相位差矩阵进行分析。对于每个时频点,计算S个分段在该时频点的相位差(S个相位差)的一致性,得到每个时频点的PLV/PLI。(2)在每个分段,电极X和Y的相位矩阵相减,得到所有分段的相位差矩阵。原创 2023-06-09 16:48:49 · 4949 阅读 · 1 评论 -
6、ERP时频分析
短时傅里叶变换的基本原理就是将分段数据加窗(window),做快速傅里叶变换(fft),在分段就会有重叠(noverlap),因此一个向量的短时傅里叶变换结果是一个矩阵(S)。时频分析中既可能包含锁时锁相(诱发)的信息,也可能包含锁时非锁相(引发)的信息,要计算ITPC才 能判断是哪种信息。,诱发电位它是随着时间会发生变化的,所以不适合单纯使用频域分析(可以进行时域分析)。锁时非锁相(引发)的信息在时域上没法分析,只能做时频分析,但是锁时锁相(诱发)的信息是时域分析和时频分析都可以做。原创 2023-05-25 11:07:11 · 1250 阅读 · 2 评论 -
【机器学习】:脑电数据时域特征提取
时域领域的特征提取主要思想:某个一小段时间段里面的幅值,可能可以明显区别不同的类别,那么我们的目的就要找出这一小个时间段。然后取出这个小的时间段的波幅(求平均),来作为这个数据的特征之一。数据说明:被试01,C类别的数据(01_lxx_task_combine_maker_selectC._2s):每个被试每个类别的数据的维度是 chan*t*epoch,其中chan是通道数,t是时间点,epoch是分段数。特征提取的步骤一、个体水平的叠加平均。原创 2023-05-19 16:39:17 · 1678 阅读 · 0 评论 -
5、频域分析(一般流程)
这里讲的还是频域分析!!原创 2023-05-18 10:43:36 · 1267 阅读 · 0 评论 -
4、EEG的功率谱密度(PSD)计算
傅里叶级数的本质是将一个周期的信号分解成无限多分开的(离散的)正弦波,但是宇宙似乎并不是周期的。在频谱中,偶数项的振幅都是0,也就对应了图中的彩色直线。傅里叶变换,则是将一个时域非周期的连续信号,转换为一个在频域非周期的连续信号。预处理之后的静息态的数据EEG是时域数据,需要通过傅里叶变换变成频域数据。静息态数据在时间上是随机的,没有意义的,但在频率上可能有意义。则是时间差在一个周期中所占的比例。任何周期函数,都可以看作是不同振幅,不同相位正弦波的叠加。频域图像,也就是俗称的频谱(横轴-频率,纵轴-振幅)原创 2023-05-11 08:53:13 · 3801 阅读 · 0 评论 -
3、ERP时域分析
因此,可以对预处理后数据进行叠加平均,以便抵消噪声、凸显信号。dir函数在筛选数据时,会按照升序排列,注意0的影响。Part3:绘制一定时间范围内的地形图。part1:计算组平均 ERP。Part2:绘制组平均ERP。Part4:绘制一系列地形图。具体的数据形状间的变化。导出并保存生成的图片。原创 2023-05-06 08:41:43 · 1715 阅读 · 10 评论 -
2、脑电预处理
最后运行结果如下图:可以看到有200个events,数据被分成了100段,每一段是[-1 1.998]的长度。当你的分段太少了,由于电极造成的很多分段都要去掉,那么可以进行插补坏通道(即使在处理后期也可以做)用的默认的坐标定位文件是10-5的标准电极排布系统,那么非标准电极是无法定位出来的。正常人的头皮脑电都是+- 100 uv 的范围的。所以超出这个范围的脑电都是伪迹。画出来60个,可以看到,排序第一的成分再最上面,因为它是最后画出来的。下面的操作:保留含有你想要的反应的分段,去掉一些不要的分段。原创 2023-04-27 10:43:13 · 2546 阅读 · 1 评论 -
1、脑电基本原理及其经典成分
矢状线由前到后依次为Fpz、Fz、Cz、Pz和Oz,除Fpz与鼻根,Oz与枕外粗隆的距离为矢状线长度的10%外,其余点间距为矢状线长度的 20%;沿着冠状线,从左耳前凹10%处,依次为T3、C3、Cz、C4、T4,各点之间的距离均为冠状线长度的 20%。脑内的一个沟cortex,这里有朝某个方向排列的很多神经元,如果这些神经元都同步放电的话,就把这些神经元放电构成的电流偶极子,看成一个。每个脑区产生的电信号,是向各个方向传播的(可以传到头皮上的所有电极),但不同脑区的信号对电极信号构成的贡献不同。原创 2023-04-20 20:30:07 · 4776 阅读 · 1 评论