ERP提取——最基本的流程
每个不同的颜色代表不同的trial,虚线是刺激开始的时候。
先进行一个基本的滤波(0.1~30、1~30),滤完波之后extract很多epoch(上图为-0.5s~1s),然后把所有的trial累积在一起,然后做一些基线校正,然后把所有triall做一个平均叠加,就可以得到一个信噪比比较高 的ERP信号。
多个电极的信号使我们在做事件相关电位的时候有了一个空间的信息。
事件相关电位成分的表征:
- 出现的时间:刺激之后多少ms(潜伏期)
- 相对于基线的强度
- 空间的分布
- 极性是正还是负:通常把负的信号朝上放(人的头盖骨相当于一个电容,如果在头皮外面测得的信号是一个负的,则在内侧的信号就是正的)
传统的ERP分析方法的问题
传统的ERP分析方法能有效提高脑响应信号的信噪比,但该方法导致了有用信息的大量丢失:
单个被试:几十/几百M(原始数据)
—-> 几十/几百K (叠加波形)
—-> 几十/几百bit (提取用于统计的参数)
- 损失了什么信息?
- 用什么方法可以挖掘出更多信息?
- 动态信息——脑电信号单次分析(single-trial analysis)
- 实验过程中被试的状态可能发生变化,有时候给出的刺激也不完全相同
- 节律(振荡)信息——脑电信号时频分析(time-frequency analysis)
- 无尺度:不管是在单个神经元细胞还是一群神经元细胞记录还是所有神经元总和的效果,它们的节律信息是一致的
- 不管是什么生物,都会有这样的节律信息,有的还是一模一样的,说明节律信息反映了脑和神经元之间信号源传递的一个基本功能
- 网络信息——脑电信号连通性分析(connectivity analysis)
- 意思是这个信息从哪流到哪。
ERP动态信息
综合实验和本身被试的状态变化会反映ERP动态信息。
检测动态信息需要注意哪些点:
- 潜伏期的变化(Variability in latency)
- 幅值的变化(Variability in amplitude)
- 峰的形态的变化(Variability in morphology)
脑电信号单次分析方法
Time domain:
- 空间滤波:一些典型的噪声(眨眼或眼珠水平移动的噪声)是有一定的空间模式的,可以被特定的算法识别去除,并且把有用的信息保留下来。
- Probabilistic ICA
- Common spatial pattern (CSP)
- 小波(时频)滤波:时域的振荡的信号可以转化为时间和频率上的能量信号。
- 参数化分析法(Parametric approach):可以把峰值和潜伏期等信息用数值表示。
脑电的节律信息
ERD:事件相关去同步化:能量的减弱。
ERS:事件相关同步化:刺激之后在某一个固定的时间点出现的能量的增强,其相位是紊乱的