Analyzing Neural Time Series Data 学习笔记（脑电信号处理）

《Analyzing Neural Time Series Data》学习笔记

由于没有中文书，因此通过翻译此书，便于自己理解，也为自己今后再次阅读提供一定的便利，希望自己可以坚持下去。

---

---

前言

第一章已经读完了，所以从第二章开始记录。
目前进度：第二章

---

二、时域与时频域分析的优点与局限性

2.1 为什么是EEG?（EEG的优势）

    高时间分辨率技术（例如EEG）可以作为研究神经认知过程的特殊工具的原因如下。第一，这些方法可以在认知发生的时间范围内捕捉到认知动态——认知，感知、语言、情感与运动过程都发生得很快，大多数认知过程发生在几十到几百毫秒之间；此外，认知事件可能发生在一个跨越几百毫秒到几秒钟的时间序列里。高时间分辨率技术非常适合捕捉这些快速、动态和时间序列的认知事件。相比之下，血流动力学响应的时间精度比电生理相应慢2~3个数量级。
    例如，θ波段（4-8Hz）的振幅与多种认知活动相关，包括记忆和认知控制。神经科学家通常认为θ是一个相对缓慢的脑节律，但是对于我们对世界的感受经验来看，θ是非常快的。下面你可以通过例子感受到：尽最快的可能拍你的手。这也就是θ的下边界（每秒钟4-5次），你应该是不可能按照θ的频率在几秒钟内连续拍手。与许多知觉过程密切相关的一种更快的大脑节律（但不是最快的）是γ（伽马）波段（30~80Hz）。伽马波段有多快？下次你坐在车里，去听发动机引擎的声音；在3000转/分时，四缸汽车发动机在伽马波段循环（约50Hz）。它的速度是非常快的，以至于你最初听到的引擎是发出连续的嗡嗡声，而你需要一定的努力去将这些嗡嗡声分解成离散的节拍。因此，认知很快，脑节律很快，而一些大脑成像技术（例如EEG）可以捕捉到这些快速的动态。
    第二，这些方法能够直接测量神经活动。EEG测量的电压波动可以直接反映神经元群（神经网络）水平上的生理现象。此外，在EEG信号里观察到的振荡能够直接反映大脑皮层神经振荡。引起群体水平的振荡的神经生理学机制已经被充分理解，并且可以相当精准的建模。虽然目前还不完全清楚究竟什么样的神经生理学因素对从头部外部测量的EEG信号有多大比例的影响，但对于EEG测量脑皮层神经元群产生的中观和宏观神经动力学这一点，一般不存在争议。这可以被看作是优于目前使用的基于MRI(核磁共振)的测量方法（例如BOLD）——没有直接测量神经事件，并且在实际测量的结果（血流动力学）与依据产生或与血流动力学反应相关的神经动力学类型的推断之间有着更加复杂的关系。（理解笔记：MRI用实际测量结果去推断神经活动更加困难（通过血流动力学与神经动力学的关系））
    第三，EEG信号是多维的。尽管你可能把EEG数据概念化为二维（电压随时间和空间变化，空间通过不同的电极来测量），事实上EEG数据至少包括四个维度：时间、空间、频率和功率（特定频带活动的强度）与相位（功率和相位是一个维度的离散元素，因为它们提供了很大程度上独立的信息）。这种多维性为确定和检验根植于神经生理学和心理学的假设提供了许多可能性。大脑可以概念化为一个极其复杂的生物系统，利用多维空间进行信息处理，表征和传递。EEG数据的多维性允许根据已知的生理机制进行分析。

总结