BrainStorm溯源流程以及批处理代码尝试

D.C.W

已于 2024-06-26 00:09:09 修改

阅读量2k

点赞数 42

文章标签： matlab

于 2024-06-26 00:04:15 首次发布

本文链接：https://blog.csdn.net/qq_45805748/article/details/139963680

版权

BrainStorm溯源流程以及批处理代码尝试

思路

EEG信号源重建是脑电信号分析中相当重要的一环，这步可以将脑电信号从电极水平转为脑区ROI，重建后的数据分析思路大概如下图所示，在我看来，源空间的数据分析会比电极空间更有意思：
参考文献：Electroencephalography Source Connectivity （IEEE SIGNAL PROCESSING MAGAZINE| May 2018 |）

对于源重建，在此我选择BrainStorm作为工具，此前已有大佬在博客上分享过，在此粘贴一个连接：
【脑电绘图教程 2】使用Brainstorm进行脑电处理及源定位
这篇文章是从下载暗转到预处理到源定位都做了，比较详细，我的工具基础也是从这儿学习到的，在此感谢！

但是在实际数据处理中，可能数据量都会比较大，至少一个一个点的话会比较废时间，同时我并没有在网上找到批处理教程。因此这里主要从批处理角度出发的详细处理流程，仅供参考，希望思路有所帮助。

同时我的预处理在EEGLAB中进行了批处理，在这儿只是做了溯源的操作。
对于一些操作流程因为有详细文章在前，在此就不做赘述。

同时给出brainstorm的官方文档连接，非常详细，对于后面写批处理文档相当有用，文中的一些经验性的操作均来自此文档：
BrainStorm Tutorials

准备工作

ST.1：新建protocol

Default anatomy：涉及的是MRI结构，这里用default
Default channel file：涉及的是在什么水平下用同一个电极定位和头模，以及噪声/数据协方差矩阵，
这里我的所有数据的电极定位都一样，所以直接选择了一个global
在这里插入图片描述
按照我的理解，更简单来说，Default channel file决定这个common files是全部都一样，还是每个人不同trial一样，还是每个人每个trial都不一样

ST.2：新建subject

自己总共有多少个人就新建多少个subject（干活第一步，先建立文件夹）
在这里插入图片描述

common files

根据之前的文章方法，添加电极定位，计算头模。
注意：噪声协方差和数据协方差矩阵根据后续选择的算法进行计算。
Data covariance
在官方文档中对数据协方差的解释，
应该是对一个subject中选择所有trial进行Data covariance计算 ，因此后面代码写的时候注意更新Data covariance。

在这里插入图片描述

Noise Covariance
1，如果单独录制过两三分钟的空白噪音信号片段，可以通过这个噪音片段计算Noise Covariance。在源估计那里就推荐使用MN imaging算法，同时也是推荐算法
在这里插入图片描述

2，如果没有单独录制也可以，可以在头模那里点击计算无噪声矩阵（其实无噪声矩阵虽然没啥用，但是不能没有），但是在源估计那里就推荐使用LCMV波束形成算法，因为在官方文档提及其算法不需要Noise Covariance。
在这里插入图片描述
我这里用的LCMV算法，因此算了一个无噪声矩阵

关于两个协方差矩阵，一些官方文档建议：
在这里插入图片描述

批处理以及代码提取

上面说了些必须的共用的一些参数需要自己点点点，现在可以搞属于自己的批处理了，我们先完整导入一个数据，在我这里对一个人数据进行示例：
批处理的重点在于自带的pipeline editor，先对一个人的数据处理进行操作，操作完exoprt to m file就可以获得操作的代码，一个操作就生成一个代码，之后根据数据格式改代码。

演示批处理：导入trial数据

1，统一的将文件导入批处理操作的就是File->Process：

在这里插入图片描述

2，在下面就能看到将要批处理的文件夹或者被选数据

在这里插入图片描述

3，点击run，选择导入数据或者其他想要做的操作

在这里插入图片描述

4，每选择一个操作就可以在这里进行生成m文件，会了这一步就跟eeglab一样，所有操作都是透明的，接下来你可以根据自己的数据进行高效批处理操作了，让电脑自己跑起来的感觉还是很不错的。

在这里插入图片描述

示例：计算协方差矩阵

我这里已经导入两个不同的marker的trial数据，一个marker包含10个trial，然后选择所有trial
在这里插入图片描述
点击run

计算协方差矩阵

选好自己的参数后，就可以导出sript了

可以查看脚本，脚本上很清楚写出，导入的file，和要做的process。

常用流程

经过前面数据导入和协方差矩阵计算后，
接下来就剩源估计和提取ROI序列：

源估计：

选取trial数据进入批处理
在这里插入图片描述
记得点击edit选择源估计方法

在这里插入图片描述

提取ROI序列：

选取算好的源空间数据进入批处理，选择导出时间序列数据
在这里插入图片描述
选好模板 select scouts

就可以导出时间序列的源空间数据

结束语

基本来讲，溯源就是这么多，Brainstorm能做的可多，之后的功能连接计算以及其他的也能做，并且在保持更新，因此是一个比较好用的开源工具。写这个文档希望能帮你快速了解入门Brainstorm，本文章主要讲方法，关于生成的代码不做过多解释，看函数文档也能看懂。若文章本身出现问题或者想要讨论脑电信号的问题，欢迎私信交流，或者邮件联系：DCWMIN@outlook.com