TMS-EEG数据处理工具箱
- TESA(EEGLAB插件):https://nigelrogasch.gitbook.io/tesa-user-manual/
- 在EEGLAB内设计TESA有几个关键优势。首先,EEGLAB已经有一个用于EEG分析的大型函数库,可以与TESA函数一起使用,许多已经进行EEG研究的研究人员都很熟悉。其次,EEGLAB有一个模块化框架,允许灵活地设计和分析管道。最后,EEGLAB有一个完善的图形用户界面(GUI),对于不熟悉编码的用户来说,运行分析的实用性更直观。对于那些不太精通编程的人,EEGLAB GUI允许将过去预处理步骤的历史轻松转换为可执行的MATLAB脚本,以便以后复制分析。
- TESA在分析TMS-EEG数据的最佳方法上没有明确的共识,因此不主张采用任何一种TMS-EEG处理管道。事实上,TESA的核心动机之一是提供尽可能多的分析功能,从而比较不同方法对TMS-EEG分析结果的影响。
- TMSEEG(MATLAB插件):http://www.tmseeg.com/
-
具有更标准化的工作流程和专用GUI。TMSEEG提供了一些额外的功能,例如在单次试验水平上的通道移除和插值,这有助于最小化数据丢失。
-
但另一方面缺乏一些对 ICA 具有补充作用的伪迹剔除技术。
-
FieldTrip(MATLAB工具箱):https://www.fieldtriptoolbox.org/tutorial/tms-eeg/
功能与EEGLAB类似,但没有GUI,它有几个专门用于TMS-EEG分析的功能,这些功能集成在工具箱的模块化设计中
-
ARTIST(MATLAB工具箱):http://etkinlab.stanford.edu/toolboxes/ARTIST/
是一个独立TMS-EEG分析工具箱,与其他工具箱不同,ARTIST被设计为一个全自动的TMS-EEG分析管道,它使用启发式规则和机器学习方法的组合来自动执行分析中的手动步骤(例如,选择要删除的试验/通道/ICA组件)。为了便于自动化,ARTIST的管道是固定的,并且由于分类器用于选择 ICA 组件而限于具有相似电极布局的数据集。
参考文献:https://doi.org/10.1016/j.jneumeth.2022.109494
分析脑电的其他工具箱
- eeglab(MATLAB工具箱):https://sccn.ucsd.edu/eeglab/index.php
- mne(python插件):https://mne.tools/stable/index.html