eeglab处理脑电信号（一）

最新推荐文章于 2025-03-15 16:29:10 发布
最新推荐文章于 2025-03-15 16:29:10 发布
阅读量2.4k 收藏 48
点赞数 21
分类专栏： 脑电学习 文章标签： 深度学习 人工智能
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_48293680/article/details/144751403
版权

这篇博客的内容是根据洪城脑科学课题组的视频记录的，感谢老师提供的学习资料和讲解。

一、导入脑电数据

原始脑电数据下有三个文件，.eeg,.vhdr,.vmrk，导入.vhdr格式的。导入后保存.set格式文件。

二、电极定位

  1. file->load existing dataset，选择第一步中的.set。
  2. edit->channel locations
    在这里插入图片描述
    默认使用的电极是标准的10_05系统
    如果做溯源分析选择mni，正常分析选择besa（结合ERP）
    在这里插入图片描述
    选择plot 2-D画图
    在这里插入图片描述
    一共64个电极只展示62个电极，有两个没有成功定位。HEO和VEO没有定位。完成，保存。

三、剔除无用电极

无用电极是指在整个脑电信号处理的过程中，没有用的电极，比如HEOG、VEOG、M1、M2。
edit->select data
在这里插入图片描饿述

四、滤波

由于50hz的干扰以及一些高频和低频的噪声的存在，预处理需要进行滤波。
脑电信号是复合信号，把脑电拆成不同频域的脑电，把其中50HZ的脑电去掉。
在这里插入图片描述
滤波通常有四种：低通滤波，高通滤波，带通滤波，带阻滤波。
在这里插入图片描述
wc是设置一个频率值，在设定的频率值开始衰减或者增强。

  1. 低通滤波：低于wc的开始衰减，30-100HZ
  2. 高通滤波：假设设定的值是1，将1处的设置为一半，后续的顺利通过，0.1-1HZ
  3. 带通滤波：前面设定一个值，后面设定一个值，中间的地方保留
  4. 带阻滤波：前面设定一个值，后面设定一个值，中间的地方肯定消失,49-51HZ/48-52HZ
    在这里插入图片描述
    带阻滤波一定要选Noth

五、降采样

采样率 = 采样点个数/单位时间
采一个点的时间=1/采样率
在这里插入图片描述
Frames per epoch：每一段有多少个采样点
sampling rate:采样率
epoch end(sec): 采样点从1开始，时刻点从0开始
在这里插入图片描述
在这里插入图片描述
只要采样率高于感兴趣频段的4倍以上，就能分析，所以脑电的采样率一般在250-1000HZ。降采样最大的好处是减小数据量，提高计算速度，不是必须的。

  1. Tool->Change sampling rate
  2. 设置新的采样率
    在这里插入图片描述
    降采样后的结果
    在这里插入图片描述

六、分段和基线矫正（ERP）

在这里插入图片描述

在这里插入图片描述
在这里插入图片描述

1.分段

  1. tools->extract epochs
  2. 在脑电中，每给一个刺激，就会打一个marker，以下图为例，两个刺激编号10和20，如果反应是对的，编号200，反应错误编号100.
    在这里插入图片描述
    在这里插入图片描述
    如何去除错误分段，保留正确分段？
    edit->select epochs or events
    在这里插入图片描述

2.基线矫正

在这里插入图片描述
分段后的信息
在这里插入图片描述
画图
在这里插入图片描述

七、插值坏导和剔除坏段

1.插值坏导：Spehrical算法

  1. tools->interpolate electrodes

!](https://i-blog.csdnimg.cn/direct/0947cd8ab59a42cb86ad884dbcfe2207.png)

2.剔除坏段：直接删除

在这里插入图片描述
可以在matlab中查看是否选中了两段
在这里插入图片描述
这时候epoch变成98

八、重参考

重参考：在分析数据的时候，有时候需要转换参考电极的位置。常用的重参考方式有双侧乳突平均参考：将两个乳突数据的平均值作为参考数据，或者是全脑平均参考：将全脑所有数据的均值作为参考数据的方法。

  1. tools->re-reference the data
    在这里插入图片描述
    第一个全脑平均（32导以上），第二个双侧乳突（32导以下）。

九、独立成分分析 | ICA

独立成分分析的目的是去除眼电、心电等伪迹。使用ICA分解原始数据后，将分离的独立成分划分为伪迹相关成分和神经活动相关成分，剔除被标记为伪迹的相关成分。
在这里插入图片描述

  1. tools->decompose data by ICA
  2. 原来64个通道，现在60个，补上pca
    在这里插入图片描述

十、剔除伪迹和坏段

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

1. 剔除伪迹

  1. tools->classify components using ICLabel->Label components
    在这里插入图片描述
    1:59是有59个成分，频率2-50，√将事件画出来，画出后的效果，点击下面序号可以查看
    在这里插入图片描述
    在这里插入图片描述
    分析每个事件的概率是多少，比如这个是97.8%的眼动
    新版ICALabel的功能：
  2. tools->classify components using ICLabel->flag components as artifacts（相当于做标记）
    在这里插入图片描述
    在这里插入图片描述
  3. tools->remove components from data

2. 剔除坏段

在这里插入图片描述
脑电信号主要是100毫伏，所以主要是去除超过100毫伏的

  1. tools->reject data epochs
    在这里插入图片描述
    手动检查
    使用 ‘Plot > Channel data(scroll)’ 选项
    逐个trial进行查看，如果发现有伪迹过大的trial想要剔除的话，单击该trial，它会变成黄色。选择完所有trials后，点击下方的 ‘Reject’ 即可。

由于我的matlab 2021b没有reject data epochs，然后在网上找到了一个很好的参考链接，分享给大家。MATLAB脑电数据处理精要

基于EEGLAB的脑电数据预处理
Kobe123brant的博客
12-24 1万+
关于EEGLAB这个脑电处理工具包，对于大多是需要处理脑电数据的人来说都不会很陌生，这里放一个EEGLAB官网的链接； https://sccn.ucsd.edu/eeglab/index.php EEGLAB的优势 具有便于操作的GUI界面，特别适合初学者学习使用 支持导入多种数据格式（可以读取几乎所有格式的EEG信号） 对于高密度的数据可以，支持滚动浏览，方便我们查询脑电的数据 交互式的绘图功能，方便ERP波形绘制和头皮电压分布地形图绘制等工具 基于独立成分ICA的伪迹去除和源分析技术 提供多种高级的
EEGLAB系列教程5：数据预处理2（ICA去伪迹）
Chen Rui blog
12-18 7113
眨眼成分成分判断：眨眼成分在头皮地形图的前端分布；ERP图像中有小方块；随机分布；功率谱图中，低频能量高；成分排序较为靠前，像这个示例中，为IC3颜色的深浅有意义，但是红还是蓝无所谓，大红大蓝都可以的。眼动成分成分判断：眼动成分在头皮地形图的前端两侧分布，红蓝相对；在ERP图像中，长条状，红蓝相间；随机分布；在功率谱图中低频能量高分量排序靠前，但一般在眨眼后面，在该示例中为IC5.头动成分成分判断：头动成分在头皮地形图中分布在周围；在ERP图像中呈现长条状；
matlab脑电处理个人经验
a1220sd的博客
11-20 2658
如下图所示，横轴为频率，纵轴为增益系数，在截止频率f的左边，最开始的增益系数皆为1，指的是信号乘以1，被完整保留下来，而在接近截止频率的一定范围内，增益系数开始逐渐下降，直到我们的截止频率f处，增益系数正好是0.5，指的是经过了截止频率为f的低通滤波之后，f这个频段的数据有50%被过滤，而50%被保留下来。mark，或者event，或者trigger，其实表示的都是同一个意思，即在我们关注的事件发生时，打上一个我们认得出的标记，这样子就可以从我们收集到的一长段数据中，找到我们感兴趣的事件范围了。
脑电：数据预处理
最新发布
nisidjndn的博客
03-15 1021
任务态数据二次滤波和二次分段（都会改变原来一次分段基线校正后的均值），所以都需要进行二次的基线校正。先进行二次滤波，在进行二次分段（因为滤波后还需要基线校正，直接在二次分段时校正即可）二次滤波：预处理时的频段和分析时频段不一样时二次分段：分析的ERPs的分段变成[-0.2, 1]静息态的数据的上述步骤基本一样，只有分段时没有marker标记，所以分段按照代码的方式进行分段。
EEGLAB数据预处理基本流程GUI实操指南
fdgdf5535的博客
09-25 4809
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。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。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。
脑电数据预处理
qq_43689330的博客
11-21 3449
脑电数据处理、eeglab
EEGLAB预处理脑电数据
m0_51367024的博客
05-27 1969
1.导入数据步骤 1.1打开EEGLAB 打开matlab，然后输入eeglab,然后回车就好了 1.2导入脑电数据 就import data-> Using EEGLAB functions and plugins->From Brain Vis.Rec..vhdr or .ahdr file
睁眼和闭眼时的脑电数据处理-EEGLAB预处理
weixin_47426869的博客
03-03 3702
睁眼和闭眼时的脑电数据处理-EEGLAB预处理
EEGLAB入门
weixin_41329098的博客
02-01 564
作为刚刚入门EEGLAB的人，总结下自己的经验。 1、官网下EEGLAB 2、添加到MATLAB路径下，并能正确运行 3、官网看手册（对，英文版） 这里附上链接： https://sccn.ucsd.edu/wiki/EEGLAB_TUTORIAL_OUTLINE 然后就可以开始eeglab的入门之旅了~加油！ ...
脑电数据预处理：手把手教你手动调用EEGlab函数，完成EEG数据预处理（附完整代码）
qq_41858149的博客
07-27 6626
当需要批量处理数据集文件时，手动使用EEGlab就变得繁琐复杂，如何使用EEGlab的函数，手动对脑电数据进行预处理呢？本文以Open BMI运动想象数据为例，手动调用EEGlab的函数命令，完成脑电数据的重参考、滤波、降采样等操作，并对处理完成的数据集进行格式加工与保存。
脑电数据EEGLAB预处理分析步骤与说明（个人总结版不断完善中）
weixin_41200055的博客
09-29 798
脑电数据EEGLAB预处理分析步骤与说明（个人总结版不断完善中）
与情感相关脑电信号处理步骤
03-26
本资源主要是对做情感识别相关实验之后的脑电数据的处理步骤，主要包括选导联通道、重新设置参考电极、提取相应情感的有用信号、并对信号进行滤波和去眼电处理。
EEGLAB（中文手册）.zip
06-18
适合入门学习的基础使用手册！研究脑电信号的必备工具，处理eeg信号，滤波，降维，采样，绘图等必备软件！
EEG脑电处理matlab工具包-eeglab
04-26
基于matlab的EEG脑电处理工具包-eeglab，能够方便脑电处理
EEGLAB 使用手册
08-14
EEGLAB 使用手册 内附中文版和英文版 英文版：EEGLAB Wikitorial 中文版：EEGLAB 操作手册（中文版）
脑电信号预处理滤波matlab代码-EEG_pipeline_MATLAB:基于eeglab代码构建的最新EEG预处理管道
06-12
脑电信号基础matlab代码设置管道： 该管道旨在使用 EEGLAB 预处理标准 10-20 EEG 数据（可以从各种数据采集系统收集）。 此存储库中包含最新版本的 EEGLAB，因此无需从网络下载任何内容。 要使用此管道，您必须安装 MATLAB 2017a 或更新版本。 它可能适用于旧版本的 MATLAB，但尚未经过测试。 在使用此管道之前，您必须将此存储库中的一些文件/文件夹添加到您的 MATLAB 路径中。 您需要添加的文件夹是： 〜/依赖 ~/eeglab14_1_2b/functions/sigprocfunc/FastICA_25 为此，请导航（在 MATLAB 中）到要添加的文件夹，右键单击它，然后单击“将此文件夹添加到路径”。 不要单击“添加此文件夹和所有子文件夹”。 在运行脚本之前，用户必须手动启动 eeglab。 为此，请导航到“~/eeglab14_1_2b/”并在命令提示符中键入“eeglab”。 这将启动 EEGLAB 并将必要的插件添加到您的路径中。 以这种方式启动 EEGLAB 很重要，而不是将其与所有子文件夹一起添加到您的路径中，因为 EEGLAB 调
eeglab.rar_EEGlab_脑电matlab程序_脑电信号处理
07-14
EEGLAB是一款基于MATLAB的强大开源工具箱，专门用于处理和分析脑电信号（EEG）和相关的神经生理数据。这个“eeglab.rar”压缩包包含了一个名为“eeglab.m”的主程序文件，这通常标志着它是EEGLAB的核心入口点或者是...
eeglab画脑电信号功率谱
06-06
eeglab是一种用于分析脑电信号数据的软件工具包，其中包含了一系列的分析函数和图形界面，可以用于预处理、滤波、时频分析和频谱分析等多种数据处理方法，其中功率谱是常用的一种分析方法。 在eeglab中画出脑电信号...
信号处理--基于EEG脑电信号处理研究概述
张哥频道：电生理信号和磁共振成像
03-07 4194
脑电信号（EEG）因其安全性、便携性、易用性、高时间分辨率和低成本等特点而被广泛使用。在脑机接口和临床应用中，EEG 信号是直接反映大脑活动的有用工具。例如，EEG-BCI系统的一个典型应用是通过大脑信号控制机器人手臂，这不仅对残疾人而且对普通人改善生活都有很大帮助。因此，处理和分析脑电图信号以适应脑机接口的多种应用非常重要。脑电信号处理通常涉及三个主要步骤：预处理、特征提取和分类。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值