letswave7中文教程2:脑电数据预处理-通道位置分配

更多技术干货第一时间送达

原始的脑电图信号是有噪声的。预处理对于提高信号的信噪比以获得“清晰”的脑电图数据是非常有必要的。但是,想要完全区分噪音和信号却是几乎不可能的。在脑电信号中,信号与噪声常常混合在一起。在某些步骤中,某些伪影可以很容易地识别和删除。而有些步骤在去噪时可能会滤除部分信号。此外,一些步骤甚至会引入一些噪音。

在脑电图分析中,脑电图预处理没有标准的程序。某一频带内的信号在某一实验中是分析对象,在另一实验中可视为干扰因素。另外,有些操作还需要操作者的经验,比如哪个epoch应该被剔除,哪个通道应该被内插,ICA中哪个分量应该被剔除。因此,很难说一些过程是正确的还是错误的。

这是第二部分:脑电数据预处理-通道位置分配。在脑电信号预处理中,存在一些通用原则。通道位置分配是一种非常有效的去噪方法。

这部分主要包括4点内容:

第1步:通道位置分配

第2步:删除不良通道

第3步:滤波处理

第4步:坏电极插值

第1步:通道位置分配

通道位置分配的工作是为数据集中的每个通道分配坐标信息。Letswave会使用常用的10-20国际标准导联系统(后文简称"10-20系统")自动分配通道位置。在不同的脑电图记录系统中,同一通道的坐标略有不同。如果您发现自动分配的坐标不正确,或者数据集中的通道不遵循10-20系统,Letswave7仍然允许您手动分配通道位置。10-20国际标准导联系统相关信息可以查看《10-20国际标准导联系统》。

如果希望手动分配通道位置,可以执行以下步骤。在管理模块数据列表中选择数据集“sub093”,在菜单中点击“Edit->Electrodes->Editelectrode coordinates”

在批处理模块中,显示默认分配的位置文件是“Standard-10-20-Cap81.locs”。

按“Selectcustom files with channel locations”按钮,选择通道位置自定义文件。在letswave7的电极文件夹中,有多个不同的EEG记录系统的通道定位文件。

当然如果不希望使用这些文件,你也可以分配你自己的通道位置文件。

点击批处理模块底部的Run按钮,则会在manager模块的数据列表中出现一个名为“chanlocs sub093”的新数据集。由于我们的数据集中自动分配的信道位置是正确的,所以在P300数据集的预处理中省略了信道位置分配的步骤。

第2步:删除不良通道

有时,数据集中还会记录一些无用的通道。为了进行有效的分析并节省存储空间,我们需要删除无用的通道。

在这里,我们将展示通道IO的移除,该通道记录了眼电信号(Electrooculogram, EOG)信号。

删除通道IO,可以在管理模块数据列表中选择“sub093”数据集,点击菜单中的“Edit->Arrangesignals->Rearrange or delete epochs,channels,indexes”

在批处理模块中,按下Addall按钮将所有通道添加到右侧列表框中。

然后选择通道IO,点击Remove按钮删除通道IO。

点击batch模块底部的Run按钮,一个名为“sel_chan sub093”的新数据集将出现在manager模块的数据列表中。

第3步:滤波处理

滤波是一种滤除高频伪影、低频漂移和50/60Hz电力线干扰的有效方法。在letswave中,用Butterworth滤波器进行频率滤波。

对于P300数据集,由于300ms左右的正分量是慢波,因此我们将带通滤波器设置为0.05-30Hz。对于50Hz的电力线干扰,不使用陷波滤波器,因为它已经超出了带通滤波器的范围。在管理器模块数据列表中选择数据集“sel_chan sub093”,在菜单中点击Process->Frequency analysis and filters->Butterworth filters

在Batch处理模块中,将低截止频率(Hz)设置为0.05Hz,点击Run按钮进行带通滤波。

一个名为“buttsel_chan sub093”的新数据集将出现在管理器模块的数据列表中。


第4步:坏电极插值

当我们检查导入的原始数据时,发现P1通道是坏的。在这一步中,我们将在P1通道内插周围通道。

在管理模块数据列表中选择数据集“butt sel_chan sub093”,点击菜单中的"Edit->Electrodes->Interpolate channel using neighbouringelectrodes"

在批量模块中,在通道内插列表框(Channel to Interpolate:Channels for)中选择通道P1,然后点击Findclosest electrodes按钮找到最近的电极。

由于默认插值通道数为3,所以letswave7会根据插值通道的位置自动找到最近的插值电极“P3”、“Pz”和“CP1”进行插值。

点击Run按钮,一个名为“chan_interp butt sel_chansub093”的新数据集将出现在管理器模块的数据列表中。

说明,插值通道数可以根据自己的实际需求来设置。

(0)

相关推荐

  • 大数据知识合集之预处理方法

    数据预处理方法主要有: 数据清洗.数据集成.数据规约和数据变换. 1.数据清洗 数据清洗(data cleaning) :是通过填补缺失值.光滑噪声数据,平滑或删除离群点,纠正数据的不一致来达到清洗的 ...

  • 机器学习专题

    随着人工智能的火热,机器学习和深度学习技术再一次进入了大众的视野.python的scikit-learn模块专注于机器学习领域,提供了数据集构建,数据预处理,模型算法,效果评估等各个环节的接口,是入门 ...

  • Python图像处理入门

    图像处理,顾名思义,可以简单地定义为利用计算机算法(通过代码)对图像进行分析.操作的处理.它包括如下不同的几个方面:图像的存储.表示.信息提取.操作.增强.恢复和解释.本章将对图像处理技术的各个方面进 ...

  • MNE中文教程(16)-脑电数据的Epoching处理

    更多技术干货第一时间送达 Epoch概念简介 从连续的脑电图信号中提取一些特定时间窗口的信号,这些时间窗口可以称作为epochs.由于EEG是连续收集的,要分析脑电事件相关的电位时,需要将信号&quo ...

  • letswave7中文教程3:脑电数据预处理-ICA去除伪影

    更多技术干货第一时间送达 ICA/BSS的理论与模型 独立成分分析(ICA)是一种盲信号分离(Blind Signal Separation,BSS)方法.ICA可线性建模如下图所示. 假设X为&qu ...

  • letswave7中文教程4:脑电数据预处理-时域分析

    更多技术干货第一时间送达 在本章中,我们将继续对ICA过滤后的P300数据集进行预处理. 说明,这部分的教程是基于前面几次教程的基础上进行的.所以要进行ICA预处理进行伪影去除,需要: 先导入数据&l ...

  • 手把手教你EEG脑电数据预处理-原理篇

    更多技术干货第一时间送达 感谢简书ID:亚内士多德 授权分享 EEG脑电数据预处理-原理篇 本文不涉及具体的操作步骤,而是对脑电数据预处理中的每一步进行解说,根据我自己的经验来解释为什么要这么做,希望 ...

  • 手把手教你EEG脑电数据预处理-操作篇

    更多技术干货第一时间送达 感谢简书ID:亚内士多德 授权分享 EEG脑电数据预处理-操作篇 关于EEG数据预处理的原理,前面已经介绍过了,大家可以查看<手把手教你EEG脑电数据预处理-原理篇&g ...

  • letswave7中文教程1:软件安装与脑电数据导入

    更多技术干货第一时间送达 Letswave是一款非常好用的神经生理信号处理分析工具,支持从主流的脑电图放大器中导入数据,为数据预处理和时频域信号分析提供多种功能.而且用户友好的界面使文件管理.批处理操 ...

  • Python-EEG工具库MNE中文教程(12)-注释连续数据

    更多技术,第一时间送达 注释连续数据(Annotating continuous data) 本案例主要介绍如何向原始(Raw)对象添加注释,以及在数据处理的后期阶段如何使用注释. Raw:原始对象 ...

  • DEAP数据库介绍--来自于音乐视频材料诱发得到的脑电数据

    更多技术干货第一时间送达 DEAP数据库简介 DEAP[1](Database for Emotion Analysis usingPhysiological Signals),该数据库是由来自英国伦 ...

  • Python-使用多种滤波器对脑电数据去除伪影

    更多技术干货第一时间送达 一些由电源线造成的伪影具有某些特定范围的频率(比如,由电网产生的电力线噪声,主要由50Hz(或60Hz取决于实验的地理位置)的尖峰组成).因此可以通过滤波来固定. 本文分别使 ...