茗创：脑电数据处理业务

文章来源于微信公众号（茗创科技），欢迎有兴趣的朋友搜索关注。

01

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。

 

02

任务态数据时域分析

• 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)。
• 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。
• 结果可视化
• 绘制组平均波形图、地形图等。

03

静息态数据频域/任务态数据时频域分析

• 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。
• 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。
• 结果可视化
• 绘制组功率谱图、时频图、地形图等。

04

溯源分析

• 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。
• 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。
• 多重比较校正，包括：cluster-based 置换检验、FWE、FDR 校正等。
• 结果可视化
• 绘制激活图等。

05

功能连通性分析

• 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。
• 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。
• 多重比较校正，包括：FWE、FDR、NBS 校正等。

06

网络属性分析

• 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。
• 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。
• 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。

07

跨频域耦合

• ·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。
• ·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。
• 多重比较校正，包括：FWE、FDR 校正等。
• ·结果可视化

图7.跨频域耦合

08

微状态分析

• 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。
• 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。
• 多重比较校正，包括：FWE、FDR 校正等。
• 结果可视化

图8.微状态分析

 

09

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。

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。

多重比较校正，包括：FWE、FDR 校正等。

3.结果可视化

根据不同的指标，绘制相应的结果图。

图9.无标度属性分析

10

定制化分析

• 分析方法可定制。
• 茗创科技可根据您提供的模板文献，基于您的实验数据，实现文献中使用的数据分析方法。此外，未列出的分析方法，只要在茗创科技的能力范围内，尽力实现您的想法。
• 分析代码可定制。
• 在没有现有的软件适用于您的数据分析需求时，茗创科技会与您协商，通过编写代码实现您的想法，并提供代码的完整实现。

---

茗创科技专注于脑科学数据处理，涵盖(EEG/ERP,fMRI,结构像,DTI,ASL,FNIRS)等，欢迎留言讨论及转发推荐，也欢迎了解茗创科技的脑科学课程，数据处理服务及脑科学工作站销售业务，可添加周翊工程师(微信号MCKJ-zhouyi或17373158786)咨询。

---

文章来源于微信公众号（茗创科技），欢迎有兴趣的朋友搜索关注。