BCI Competition 2008 – Graz dataset A个人翻译(附MATLAB安装BioSig)

前言

由于大三狗最近决定跟老师做项目，而老师给的第一个任务就是完成这道题，为了避免拖延症，决定翻译这玩意督促自己，肯定多有错漏之处，万望海涵。
本文的诞生要感谢我小学到大学的所有英语老师，谷歌翻译以及声时刻汉化的Graz datasetB，有许多地方感觉不通顺的都会看看声时刻大佬的翻译再润色一下。
附上文档链接：
http://bbci.de/competition/iv/desc_2a.pdf
声时刻大佬的datasetB 翻译帖子：
https://blog.csdn.net/shenshikexmu/article/details/51251769

正文

实验模型
这个数据集包括对9位实验者进行试验所得到的EEG(脑电)数据。每个带有提示的BCI(脑机接口)测试例子都包括对应四类不同的想象任务的运动图像，即左手运动图像(类1)，右手(类2)，双脚(类3),还有舌头(类4)。每个受试者都参加了两次在不同日期进行的session。每个session都由6次run组成，每次run都由短暂的休息间隔开。一次run包括48次测试(每个类测试12次)，每个session包括288次测试。
每次session开始的时候，都会进行播放大约5分钟的影像，以评估EOG(眼电)数据的对EEG(脑电)信号的影响，影像被分成3部分：(1)睁眼两分钟（注视屏幕上固定的十字）(2)闭眼一分钟以及(3)进行一分钟的眼球运动。每次session的时序图如Figure 1所示，需要注意的是由于技术问题，4号受试者(A04T)的EOG(眼电)数据块更短，并且只包含眼球运动的测试条件(每位受试者列表请见Table 1)
测试时每个受试者都坐在一个舒适的扶椅上，面前是电脑屏幕。测试开始时(t=0s),一个固定的十字会出现在黑色的屏幕上。此外还有简短的声音提示音。两秒过后(t=2s)，一个作为提示指向左、右、下或者上(对应于四个类别左手运动、右手运动，双脚运动以及舌头运动)的箭头会出现在屏幕上约1.25s。这促使受试者想象与图片对应的运动，没有提供任何反馈。每个受试者要求完成这些想象任务直到屏幕上的十字消失(t=6s)。短暂休息知道屏幕再次变黑。该测试例子详见Figure 2

数据记录
22个Ag/AgCl电极(电极间距离为3.5cm)被用于记录EEG(脑电)信号；Montage图展示在Figure 3左侧，所有信号均用电极记录，左边电极作为参考量，右边电极作为地。信号通过250Hz采样后通过0.5Hz到100Hz范围的带通滤波器。放大器灵敏度设置为100uV，一个50Hz的陷波滤波器被用于滤除噪声。

相对于22个EEG采样电极，3个EOG采样电极用于记录并进行250Hz采样，(见Figure 3右图)。这些信号经过0.5Hz到100Hz带通滤波器(同样开启了50Hz的陷波滤波器)，放大器灵敏度设置为1mV。EOG采样是为了想象任务之后进行伪迹处理操作，没有必要进行分类。
每个数据集都由专家进行了视觉检查，并标记了包含伪迹的试验。8/9个数据集在[2,3]中被分析。

数据文件描述
所有数据集都用生物医学的通用数据格式存储(GDF)，一个文件对应一个受试者的一次session。但是只有一个session包含了受试者试验的标签，另一个session被用于测试分类器并用于评估效果。所有文件列在Table 1中。注意评估用的数据集将在比赛截止日期后提供(作为示例的受试者A01的数据集除外)。可以使用开源的BioSig工具箱加载GDF文件，该工具箱可以从http://biosig.sourceforge.net/获得。提供的版本包括Octave/FreeMat/Matlab以及用于C/C++的库

GDF文件在Octave/FreeMat/Matlab中可以通过下面的命令加载(对于C/C++，对应的函数 HDRTYPE* sopen 和 size_t sread 必须被声明)

注意每次runs之间通过100缺省值分开，默认为NAN。 或者可以把缺省值存储为负最大值，通过以下语句实现：

函数返回包含两个变量，信号s以及表头结构h，信号s的值来自25个通道(前面22个EEG通道以及后面3个EOG通道)，表头结构包含了事件的相关信息，用于描述数据的结构。以下几个字段提供了这个数据集的重要评估信息

通过h.EVENT.POS可以得到样本中事件的位置，相对应的事件类型可以在h.EVENT.TYP找到，特定的时间区间存储在h.EVENT.DUR中。Table 2描述了数据集中使用的数据类型(十六进制数字，十进制数字标注在括号里)。注意分类标签(如1，2，3，4对应事件类型769，770，771，772)仅提供给训练数据集，不提供给测试数据集

其中包含伪迹的试验的事件类型被专家标注为1023，此外h.ArtifactSelection包含所有试验的目录。0表示没有伪迹的试验，1表示包含伪迹的试验。
为了观察GDF文件，可以使用软件SigViewer v0.2或其更高版本(包含于BioSig中)
评估
参与者要对每一个样本以4类标签的形式提供连续的分类器输出，包括被标记的试验以及被标记为伪迹的试验。对于每个时间点，不存在伪迹的试验可以建立一个混淆矩阵。从这些混淆矩阵得到时间准确度以及Kappa系数。BioSig会提供评估算法，最终Kappa值最大的算法将会获胜。
由于评估数据集直到比赛结束才会下发，提交的程序必须兼容EEG数据(必须使用与训练集中相同的数据结构)，并将该EEG数据作为输入，产生前面提到的类标签向量。
因为数据集包括3个EOG通道，需要在后续处理数据前利用伪迹处理技术，如高通滤波或线性回归，移除EOG伪迹。我们选择最大透明度措施并提供给EOG通道，以保证其他校正方法可以正确应用；同时我们要求伪迹不能影响分类效果。
所有的算法都要符合因果性，意味着在k时刻的分类结果，只与当下和过去采样x_k ; x_ k-1,…, x_0有关。为了检测提交算法是否符合因果性和符合伪迹处理要求。所有参赛作品必须开源，包括使用的库，编译器，编程语言，等等(如Octave/FreeMat, C++, Python, . . . )。注意同样可以使用闭源环境MATLAB编写算法并提交，只要代码可以在Octave上运行。类似的，C++程序也可以在Microsoft或Intel环境下编译，但是代码必须可以在g++环境下编译。

附录(Matlab安装BioSig工具箱)

一开始我安装Matlab版本的BioSig工具箱时安装失败，发现Matlab无法通过图形界面SetPath，以为是这个问题，最后发现是因为轮子年久失修，很多函数不兼容的问题，这里提一下修改方案。

BioSig工具箱下载之后会得到下图的目录结构：

需要注意的是biosig文件夹里面有一个install.m文件，和biosig_installer.m文件一模一样，任选一个修改即可。
安装时把NaN文件夹和tsa文件夹放进biosig文件夹中，install.m(或biosig_install.m)放进biosig文件夹，打开install.m文件，进行以下修改。
首先是在大约40行那里，源代码为：

subdirs={'doc','t200_FileAccess','t210_Events','t250_ArtifactPreProcessingQualityControl','t300_FeatureExtraction','t400_Classification','t330_StimFit','t450_MultipleTestStatistic','t490_EvaluationCriteria','t500_Visualization','t501_VisualizeCoupling'};
addpath(sprintf(fullfile(BIOSIG_MATLAB_PATH,'%s:'),subdirs{:}))

修改为以下代码：

subdirs={'\doc','\t200_FileAccess','\t210_Events','\t250_ArtifactPreProcessingQualityControl','\t300_FeatureExtraction','\t400_Classification','\t330_StimFit','\t450_MultipleTestStatistic','\t490_EvaluationCriteria','\t500_Visualization','\t501_VisualizeCoupling'};
for i = 1:length(subdirs)
    path([BIOSIG_MATLAB_PATH,subdirs{i}],path);
end

以及未修改前118行处：

try 
    x = mod(1:10,3)'-1;
    [Pxx,f] = periodogram(x, [], 10, 100);
    [b,a]   = butter(5, [.08,.096]);
catch
    path(path,[BIOSIG_MATLAB_PATH,'/freetb4matlab/signal'],'-end');	% Octave-Forge signal processing toolbox converted with freetb4matlab
    disp('signal processing toolbox (butter,periodogram) from freetb4matlab added');
end; 

将其修改为：

try 
    x = mod(1:10,3)'-1;
    [Pxx,f] = periodogram(x, [], 10, 100);
    [b,a]   = butter(5, [.08,.096]);
catch
    path(path,[BIOSIG_MATLAB_PATH,'/freetb4matlab/signal']);	% Octave-Forge signal processing toolbox converted with freetb4matlab
    disp('signal processing toolbox (butter,periodogram) from freetb4matlab added');
end; 

然后运行即可，运行完在调用savepath命令，就能保存本次执行结果，以后不用再运行install.m文件(可以在install.m文件最后一行添一行savepath)