脑电数据分析中如何获取相对干净的数据结果？
根据Luck (2014)书中的描述，但我们在处理脑电数据的时候或许可以从以下几个方面来获取相对干净的数据：
1.不要害怕麻烦，前期多花一点时间去检查数据，这样可以为后期节省很多有效的时间，并且能更有效的为后期积累经验；并且随着时间和经验的累计，后期你在人工判别数据质量的时候会更快更有效和准确。
2.在实验开始前，根据已有的文献基础，制定对应的数据收集和纳入分析，在数据采集完48小时内，对已有的数据进行初步分析和数据质量检测，以便及时进行被试替代。而不是等到所有被试的数据都采集完之后，为了出结果而调被试。实验数据的可信度应该在实验过程中控制，而不是在最终环节出结果。
3.了解不同伪迹或噪音的产生原理以及识别和有效的分离方法，借助已有的工具尽可能分离出伪迹或噪音，尽可能避免伪迹或噪音对数据的污染，从而影响实验结果的可信度。
4.针对特殊的脑电成分，比如 N2pc/CDA/Pd等差异波，眼电伪迹的干扰会严重影响数据质量，因此在实验设计中应该充分考虑眼电产生的特性，Luck在书中指出，眼电一般不会再150ms之前和500ms之后，因此在设计实验的ITI时应该考虑这一特性，尽可能的降低先前呈现刺激对目标刺激的影响，避免先前呈现刺激诱发的眼动伪迹叠加到目标刺激的ERP波形中。此外，对于区分LVF和RVF的实验设计，应保证个体的眼动在2°之内，即对个体左右视野的EEG数据提取平均后，眼电的伏值＜3.2 μV。
5.Luck等人建议，在使用ERPlab进行伪迹检测的时候，不应使用统一的标准去衡量每一个被试，应该充分考虑个体的差异性；同时在使用伪迹检测工具时，应该结合实际情况多种手段或方法结合或交叉进行。
6.做好记录，这是非常关键的。记录下你实验过程中的一切信息，这会在你后期进行数据处理的时候事半功倍。
7.报告每个被试的伪迹检测和剔除情况，这在一定程度上能反应数据质量和结果的可靠性。避免出现结果偏差。
PS：由于个人能力有限，欢迎各位小伙伴在留言区一起探讨，共同进步。
注：文中图片均来源于图书《AnIntroduction to the Event-Related Potential Technique（2nd）》，该图书电子版可通过一下链接获取：
链接: https://pan.baidu.com/s/12XgsKF8TOhkBHtTjZwdGbw
（复制链接或点击阅读原文）
提取码: d55r