思影科技EEG/ERP数据处理业务

Original 杨晓飞思影科技 2022-04-16

收录于话题 #思影数据处理业务 60个

请点击上面“思影科技”四个字，选择关注我们，思影科技专注于脑影像数据处理，涵盖（fMRI,结构像,DTI,ASL,EEG/ERP,FNIRS,眼动）等，希望专业的内容可以给关注者带来帮助，欢迎留言讨论及转发推荐，也欢迎了解思影科技的课程及数据处理服务，可添加微信号siyingyxf或18983979082咨询(咨询电话18580429226，杨晓飞）。(文末点击浏览）

为更好地帮助到想要利用脑电数据做科研的客户们，拓展思影科技的业务范围,思影科技推出脑EEG/ERP数据处理业务。如感兴趣请联系siyingyxf或18983979082（微信号）进行咨询，电话：18580429226，如果您想参加相关课程或者了解脑电机器学习数据处理服务，可点击以下链接了解：

第九届脑电数据处理入门班（重庆，9.22-27）

第二十一届脑电数据处理中级班（南京，9.7-12）

第七届脑电信号数据处理提高班（南京，11.18-23）

思影科技脑电机器学习数据处理业务

BIOSEMI脑电系统介绍

一、数据预处理

好的数据质量是获得可靠结果的前提，而预处理的质量往往对后处理的结果存在一定的影响。脑电的数据对噪音的敏感性很强，为了提高您数据的质量，在更大程度上将数据中的信噪比提高，获得更严谨的科研结果，我们会对您的数据进行高质量的预处理。

主要包括：电极定位、滤波、降采样、分段、手动去除伪迹分段、坏电极替换、通过ICA的方式进行伪迹校正、使用极端值的方法去除伪迹分段、重参考等。

二、任务态数据时域分析

1.时域指标提取

对ERP数据按照刺激类型进行叠加平均，并按照感兴趣的时间窗和通道提取成分特征，如：峰值、潜伏期、平均振幅等指标，也可以对ERP成分进行进一步的主成分分析（PCA）、独立成分分析(ICA)。

2.统计分析

根据客户的实验设计，选择合适的方法对提取的特征进行统计分析，包括：T检验，包括单样本T检验、双样本T检验、配对T检验等；方差分析（ANOVA），包括单因素方差分析、重复测量方差分析、双因素方差分析、多因素方差分析等。

也可以根据给定的感兴趣通道，对数据沿着时间进行点对点的统计分析，找出差异显著的时间范围；或者根据感兴趣的时间范围，对数据沿着通道进行分析，找出存在显著差异的通道。

多重比较校正，包括：cluster-based置换检验、FWE、FDR校正等。

3.结果可视化

绘制组平均波形图、地形图等。

三、静息态数据频域/任务态数据时频域分析

1.频域/时频域指标提取

通过快速傅里叶变换（FFT）、短时傅里叶变换（STFT）、小波变换（CWT）等方式,将时域的信号转换为频域/时频域信号，依据感兴趣频段/时间段提取静息态数据的幅值（uV、uV²、PSD(dB)）以及任务态的ERD、ERS等指标。

2.统计分析

根据客户的实验设计，选择合适的方法对提取的特征进行统计分析，包括：T检验，包括单样本T检验、双样本T检验、配对T检验等；方差分析（ANOVA），包括单因素方差分析、重复测量方差分析、双因素方差分析、多因素方差分析等。

对于EEG数据的频域分析，可以根据给定的感兴趣通道，对数据沿着不同的频段进行统计分析，找出存在差异显著的频段；或根据感兴趣的频段，沿着通道进行分析，找出存在显著差异的通道。

对于ERP数据的时频域分析，可以根据感兴趣的时间，沿着不同的频段进行统计分析，找出存在显著差异的频段；或根据感兴趣的频段，沿着不同的时间点进行统计分析，找到存在显著差异的时间范围。或者根据感兴趣的时间范围、频段范围，沿着通道进行分析，找出存在显著差异的通道。

多重比较校正，包括：cluster-based置换检验、FWE、FDR校正等。

3.结果可视化

绘制组功率谱图、时频图、地形图等。

四、溯源分析

1.源信号提取

通过sLORETA、fieldtrip、Besa等软件，对静息态数据/任务态数据进行溯源分析。也可以根据被试的MRI结构像，对每个被试创建个体水平的头模，从而进行更精确的溯源分析，找到不同频段/时间段中激活存在显著差异的脑区。脑区信号可根据给定的MNI空间坐标或AAL116、AAL90、BA等模板提取。

2.统计分析

多重比较校正，包括：cluster-based置换检验、FWE、FDR校正等。

3.结果可视化

绘制激活图等。

五、功能连通性分析

1.功能连通性指标提取

1）通道水平的功能连通性分析

根据给定的感兴趣频段/时间段，对通道进行功能连通性指标计算，包括但不限于：皮尔逊相关（COR）、相干（COH）、相位锁值（PLV）、相位延迟指数（PLI）、加权相位延迟指数（wPLI）,以及格兰杰因果（GC）等。

2）源水平的功能连通性分析

根据溯源的结果，以及给定的MNI空间坐标或AAL116、AAL90、BA等模板提取脑区的信号，并计算功能连通性指标，包括但不限于皮尔逊相关（COR）、相干（COH）、相位锁值（PLV）、相位延迟指数（PLI）、加权相位延迟指数（wPLI）,以及格兰杰因果（GC）等。

2.统计分析

多重比较校正，包括：FWE、FDR、NBS校正等。

3.结果可视化

绘制通道水平、源水平的功能连通性图。

六、网络属性分析

1.网络指标提取

根据溯源后提取的脑区信号，计算脑区间的功能连接并进行网络构建，并基于图论计算网络属性指标，包括但不限于：小世界属性（small world）、集聚系数（clustering coefficient）、全局效率（global efficiency）、节点效率（nodal efficiency）、节点局部效率（nodal local efficiency）以及节点度中心性（nodal degree centrality）等。

2.统计分析

多重比较校正，包括：FWE、FDR校正等。

3.结果可视化

Bar图、点线图、圈状图等。

七、跨频域耦合

1.CFC指标提取

通过快速傅里叶变换（FFT）、短时傅里叶变换（STFT）、小波变换（CWT）、希尔伯特变换（Hilbert）等方式,将时域的信号转换为频域/时频域信号，并提取相位、振幅等信息，进行PPC（power-power coupling）、AAC(Amplitude-Amplitude coupling)以及PAC(phase-power coupling-文献里用的最多)的分析，指标包括但不限于：KL-MI、MVL-MI、PLV等。

2.统计分析

多重比较校正，包括：FWE、FDR校正等。

3.结果可视化

八、微状态分析

1.微状态指标提取

通过K-means/AAHC等方法对地形图进行聚类分析，将EEG/ERP数据划分为微状态A、B、C、D这四个主要类别并提取平均持续时间（average duration or lifespan）、出现频率（frequency）、覆盖范围（coverage）、转换概率等指标。

2.统计分析

多重比较校正，包括：FWE、FDR校正等。

3.结果可视化

九、无标度属性分析

1.无标度指标分析

很多研究表明， EEG信号具有自仿射性，且其时间序列具有长程时域相关（long-range temporal correlations, LRTC）。根据数据的特征可以提取：去趋势波动分析（DFA）、waiting time、life time等指标。