EEG数据、伪影的查看与清洗

更多技术干货第一时间送达

在开始脑电(EEG)数据收集和分析之前,一定要确保你的数据尽可能的干净,这意味着收集的数据只是反映了大脑的活动。理论上听起来很简单,但实际上要注意“但是”。由于电极会从环境中其他来源获取电活动,所以尽量避免、减少或至少控制这些这些伪影(伪迹):

生理上的伪影

1. 肌肉活动(EMG, ECG)产生的电流被电极接收。肌肉离电极越近,它们对记录脑电数据的影响就越大。尤其是面部肌肉(前额、脸颊、嘴巴)、颈部肌肉和下颌肌肉组织的活动对脑电图有严重影响。

解决办法:

无论如何都要避免握紧——指导受试者让他们的下颌骨松弛地下垂。另一个建议是:除非你想要肌肉伪影,否则一定要确保受试者在记录期间不嚼口香糖或吃糖果。由于心脏是肌肉,它也影响脑电图数据的质量。由于心脏不能简单地停止跳动,你必须依靠信号过滤程序从脑电图记录中去除ECG噪声。理想情况下,可以用一个光学传感器(Photoplethysmogram,PPG)或心电图设备来监测心率。

2. 眼球运动。眼睛的运动(水平和垂直)会影响电极接收到的电场。垂直眼球运动(上下)看起来更像正弦曲线,而水平眼球运动(左右)看起来更像方框形状。眼睛有一个强大的电磁场,这是由视网膜上数以百万计的神经元形成的。转动眼睛也会改变眼球产生的电场。

如下图中黄色部分画出的,这类波形图是由眼球运动产生的。

解决办法:

建议使用眼球追踪器或在眼睛周围放置额外的脑电图电极来记录眼球运动。

3. 眨眼。与眼部运动类似,眨眼也会在很大程度上干扰大脑信号。如果受试者在屏幕上显示某种刺激时眨眼,脑电图可能不能反映看到刺激的皮层过程。

如下图中黄色框中所示,此类波形图往往是由眨眼造成的。

解决办法:

作为一个脑电图专家,你可能会倾向于从分析中排除这个试验,因为脑电图数据不包含相关信息。然而,如果在整个记录过程中没有系统地发生闪烁,那么基于统计程序(如回归和插值)或盲源分离的衰减可能更合适。在这种情况下,使用周围数据通道或时间点将污染的数据部分被替换为的插值数据。

外部伪影

1. 电极或耳机的移动会导致严重的伪影,在受影响的通道或所有通道都可见。原因多种多样:脑电图耳机变得松散,电极与插座接触不良。

这类伪影对脑电波形图造成的影响如下图黄框所示。

解决办法:

通常的建议是要确保耳机紧贴头部,并且所有的电极都要安全牢固地贴在皮肤上。

2. 线路噪声(US 50Hz,EU 60Hz)会在电极记录上产生强烈的伪影,这在原始的脑电图数据中非常明显。特别是阻抗较差时,线噪声更强。如果参考电极受到影响,则捕获的线路噪声将传播到所有其他电极。

此类类伪影对波形图造成的影响如下图黄框所示。

解决办法:

不过值得欣慰的是,大脑的认知频率远低于50或60Hz的范围,允许你相应地过滤数据或关注感兴趣的频率。

3. 摇摆和摆动对记录有很大的影响。特别是头部摆动或撞击会改变水的分布,从而影响大脑产生的电特性和电场。

这类伪影对脑电波形图造成的影响如下图黄框所示。

解决办法:

确保受试者不要转头太快,也不要突然向上或向下看,因为这会导致在处理过程中难以处理的数据变化。

更多阅读

小脑的功能解剖

北京脑中心罗敏敏教授:解析奖赏神经环路 | 视频课程

Python-Evoked地形图可视化

Python-可视化Evoked数据

关于事件相关电位SSVEP应用于视频游戏的研究

关于事件相关电位P300应用于视频游戏的研究

Python-生成模拟原始脑电数据

头皮脑电图源空间的计算建模为癫痫的术前评估提供依据

测试干式EEG传感器的有效性--使用游戏

Python-使用多种滤波器对脑电数据去除伪影

长文阅读 | 人机融合智能:人工智能3.0

脑机接口基础之神经科学(更新)

BCI比赛数据集简介-BCI competition IV 2b

EEG信号特征提取算法

EEMD算法原理与实现

EMD算法原理与实现
EEGNet: 神经网络应用于脑电信号

信号处理之倒频谱原理与python实现

信号处理之功率谱原理与python实现

脑电信号滤波-代码实现

运动想象系统中的特征提取算法和分类算法

特征提取算法 | 共空间模式 Common Spatial Pattern(CSP)

功率谱估计-直接法原理与案例

MNE中文教程(16)-脑电数据的Epoching处理

DEAP数据库介绍--来自于音乐视频材料诱发得到的脑电数据

PsychoPy安装与测试案例

PsychoPy文字刺激、图片刺激和光栅刺激

Python机器学习算法随机森林判断睡眠类型

应用深度学习EEGNet来处理脑电信号

(0)

相关推荐

  • NeuroImage:警觉性水平对脑电微状态序列调制的证据

    <本文同步发布于"脑之说"微信公众号,欢迎搜索关注~~> 大脑的瞬时整体功能状态反映在其电场构型中,聚类分析方法显示了四种构型,称为脑电微状态类A到D.微状态参数的变化 ...

  • 用脑电信号诊断帕金森病的一种深度学习方法

    本文提出了一种采用卷积神经网络(CNN)的帕金森症(Parkinson's disease,PD)自动检测系统.PD的特征是大脑中运动功能的逐渐退化.由于它与脑异常有关,脑电图(EEG)信号通常被考虑 ...

  • 长文解读|深度学习+EEG时频空特征用于跨任务的心理负荷量评估

    <本文同步发布于"脑之说"微信公众号,欢迎搜索关注~~> 心理负荷量显著影响特定任务中的人员绩效.适当的心理负荷量可以提高工作效率.但是,沉重的脑力劳动会降低人类的记忆 ...

  • ​EEG监测发现全导3Hz棘慢波发放持续3秒钟以上

    寻找并尽可能根除病因及诱因:可能的诱发因素包括情绪因素.注意力涣散.缺乏智力活动.醒觉水平降低.困倦.从睡眠中觉醒的过程.低血糖或其他代谢异常等. 过度换气对诱发失神发作非常敏感有效 脑电图特点,小儿 ...

  • 基于EEG信号的情绪识别

          情感在日常生活中有着重要的作用,不仅在人类互动中,而且在决策过程中,以及在对我们周围世界的感知中.由于最近研究界对建立人和计算机之间的情感互动表现出兴趣,因此需要识别前者的情感状态.这可以 ...

  • 右美托咪定镇静时唤醒状态下的脑电图模式

    Electroencephalographic Arousal Patterns Under Dexmedetomidine Sedation 目的 在无唤醒状态下,难以评估右美托咪定镇静的深度.本研 ...

  • 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 ...

  • ICA独立成分分析去除EEG伪影

    更多技术干货第一时间送达 Hello,大家好! Rose小哥今天介绍ICA去除伪影. 关于脑电图EEG,Rose小哥分享过很多,可以查看<什么是EEG以及如何解释EEG?><EEG数 ...

  • 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 ...

  • EEG伪影类型详解和过滤工具的汇总(一)

    更多技术干货第一时间送达 什么是脑电图伪影? 我们的大脑一直在运转.当神经元之间交流时,细胞之间的生物化学交换会产生微小的电活动.从神经元到神经元的单个电信号是不可记录的,但是当数以百万计的神经元同步 ...

  • EEG伪影详解和过滤工具的汇总(二)

    更多技术干货第一时间送达 在<EEG伪影类型详解和过滤工具的汇总(一)>,我们详细介绍了EEG伪影类型和产生原因,这篇文章,我们主要介绍常见脑电伪影的处理技术. 脑电伪影过滤技术(通过数据 ...

  • 肌骨MR金属伪影抑制技术的临床应用

    来源:都司影像 好书推荐: 左右滑动查看更多 影像医学书店  https://k.ruyu.com/nB3wwtSw

  • 牢记这20个MRI伪影,避免漏诊误诊!!

             MRI成像原理和成像过程较为复杂,在成像过程中任何一个环节出现问题都会对图像带来影响,而这种影响主要以伪影的方式在MRI图像中表现出来.在日常的MRI扫描中我们会遇到各种不同类型的伪 ...

  • 这20个MRI伪影,你了解了吗?

    文章来源:磁共振之家,作者:MR LiaoY ,影像时间授权转载 MRI成像原理和成像过程较为复杂,在成像过程中任何一个环节出现问题都会对图像带来影响,而这种影响主要以伪影的方式在MRI图像中表现出来 ...

  • DWI常见伪影

    在DWI中容易产生各种伪影,常见的有运动伪影.磁敏感伪影.化学位移伪影.N/2鬼影及涡电流伪影. 一.运动伪影 产生原因:各种原因引起的扫描部位的运动及任何运动因素的干扰,如呼吸运动,心脏搏动.患者的 ...