雖然買腦電采集設備時會配備有腦電數據處理軟件，但是有的需要付年費，但是如果沒買采集設備也沒有專業處理軟件，可以使用matlab中eeglab，使用起來也比較方便，eeglab的安裝流程瀏覽器搜一下會有，如很必要后面出一篇，下面介紹下采集好的腦電數據該如何做預處理。

解讀：eeglab是基于MATLAB的一個工具包，一般加載的時候都從添加子文件夾導入。在添加多個工具包時，記得只保留必要的工具包，避免兼容報錯的問題。

一、導入數據

步驟1：File - Import data - 不同的數據格式不同的導入方法

解讀：其中BP設備和ANT設備的數據，都是從.vhdr中導入。

步驟2：File - Load exiting dataset - eeglab_data.set

解讀：若是導入eeglab保存的數據，則直接按照步驟2導入即可。

來源：AffectiveNeuroscience

二、定位電極(時間)

步驟：Plot - Channel data(scroll) - settings - time range to display -setting - number of channels to display value(調整幅度)

解讀：可以在數據分析之前，瀏覽一下原始數據，自己對數據的好壞有一個評估。

三、定位電極(空間)

步驟：Edit - Channel locations - read locations ( look up locs) - eeglab_chan64.locs(plot 2D)

解讀：在數據分析之前，查看電極點的分布圖，方便后期進行使用插值法進行壞點替換。

四、刪除無用電極

步驟：Edit - Select data -?點上√，即刪除選取的電極；不點√，則是刪除剩余的電極。

解讀：刪除記錄多余的電極，只選取自己需要的電極。

四、重參考

步驟1：Edit - Re-reference -?re-reference data to channel(s) - 電極點 M1 M2 (TP9 TP10)? (雙側乳突)

步驟2：Edit - Re-reference - compute average reference(全腦平均)

步驟3：使用?rest-reference?插件(零參考)

解讀：重參考的方法常用的有雙側乳突、全腦平均、零參考，具體選取那種方法根據以往的參考文獻和自己的需要來進行選擇。

重參考也是一種空間濾波，主要是通過另外一個角度來看問題。所以不同的在線參考其實對于離線參考沒有太大影響。

五、濾波

步驟1：Tools - Filter the data - basic FIR filter - (1 Hz high pass filter first) - Overwrite it in memory(根據需要獲取目標頻段)

步驟2：Tools - Filter the data - Basic FIR filter - (30 Hz low pass filter second) - Overwrite it in memory

解讀：高通濾波，是指高頻信號能正常通過，而低于設定臨界值的低頻信號則被阻隔、減弱。因而是進行1Hz的高通濾波，而選擇的時候，1Hz是頻率通過的下限。

低通濾波，是指低頻信號能正常通過，而超過設定臨界值的高頻信號則被阻隔、減弱。因而是進行30Hz的低通濾波，而選擇的時候，30Hz是頻率通過的上限。

早期的eeglab版本，不能夠同時濾波，容易卡死；最新版本的eeglab是可以同時進行空間濾波的。

若是后期要做時頻分析，可以濾波的范圍選擇更寬一點，選擇0.1-100。若是只進行傳統的ERP分析，可以選擇1-30左右。

此外，若是進行0.1-100Hz的濾波，為了消除市電的干擾，可以進行50Hz的凹陷濾波。

六、分段和基線矯正

步驟：Tools - Extract epochs(分段 marker 全選)- Automatic baseline correction

解讀：分段的步驟，可以在去除眼電之前，也可以在去除眼電之后。其實最好是在去除眼電之后，因為連續的數據在跑ICA時更好，只是數據量比較大，跑的速度比較慢。

但是若是實驗設計當中有出聲、身體動，造成偽跡較多，數據雜亂，可以先分段，只是可以在分段的時候，盡量分段長一點。

七、偽跡去除

步驟1：Plot - Channel data(scroll)(刪除壞的trial)- 差值壞導(代碼)

步驟2：File - Save as - 保存文件

解讀：偽跡去除是去除眼電之外的其他雜亂的偽跡，使得在 Run ICA之前的數據比較干凈，容易找到眼電成分。

八、Run ICA

步驟：Tools - Run ICA - 'extended',1'pca',30 - OK

解讀：Run ICA 的時候，可以寫30個，也可以寫60個主成分。去除的時候，需要去除自己最肯定的成分，一般都是去除眼電成分。

九、眼電去除

步驟1：Tools - Reject data using ICA - Reject component by map

步驟2：Select each IC and observe

步驟3：Tools - remove components - 填寫刪除電極的數字 - OK

解讀：眼電判斷的時候，除了看地形圖，也可以看頻率分布圖、每個成分的波形圖，以及矯正之后的腦電圖是否有差異，進行綜合的評估。

只有自己很確定的偽跡主成分才刪除，不然可能會刪除自己想要的成分。

若是出來的成分，沒有出現明顯的偽跡成分，可以多跑幾次ICA；或者不分段重新跑一次；再或者再看看原始數據，刪除雜亂的成分，重新再跑一次。

這是一步是很需要經驗的步驟，若是前期自己把握不準，可以讓有經驗的人幫忙看看。

通過Adjust插件，也可以進行一個簡單的偽跡成分的評估，不過最終的確定還是需要自己來進行評估。

眼電去除的標準

來源：彭微微老師

十、預處理的批處理

步驟：eeg.history - 出現之前處理的代碼 - 進行每個被試的批處理 - 然后處理完之后再手動去除眼電成分 - 保存為處理干凈的腦電信號 - 進行下一步的分析

解讀：腦電數據的預處理是為了提高信噪比，去除噪音，得到比較干凈的數據。從而進行下一步的分析。

后續整理工作

來源：彭微微老師

解讀：保存數據并整理，方便后期分析；保存圖片，方便自己對數據的把握和可視化的呈現。

原文作者：喵君姐姐

微信號：行上行下

總結

以上是生活随笔為你收集整理的eeglab和matlab,Matlab之EEGLAB工具箱脑电数据预处理的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。