腦電數據預處理一般包括以下步驟，其中未添加鏈接的步驟本文未涉及：

順序步驟附注

1	導入數據	·導入腦電數據以及手動導入電極信息和事件
2	定位電極	·導入電極位置相關文件
3	刪除無用電極	·如剔除HEOG、VEOG、M1、M2 等電極點
4	重參考	·計算總平均參考或者選擇特定電極作為參考
5	濾波	·低通濾波 （設置范圍為 30-100Hz) ·高通濾波（設置范圍為0.1-1Hz）
6-1	截取正確反應時段	·正確反應時段提取[-3.5s，0s]
6-2	截取刺激相關時段	·事件相關時段提取[-0.5s，-0.1s]
7	基線矯正	·減去基線均值，如事件前[-0.5s，-0.1s]
8	剔除壞段	·剔除極值時段（信號超過±100uV） ·剔除不可信試次（如單電極6個標準差外或所有電極5個標準差外） ·剔除異常分布時段（如維度在平均維度5個標準差外）
9	去除偽跡	·獨立成分分析 ·手動剔除成分（如眼電偽跡相關的典型成分） ·基于ICA的分解

本次數據預處理使用的為基于SSVEP采集的腦電數據，SSVEP是穩態視覺誘發電位，屬于穩態誘發電位的一種。穩態視覺誘發電位的響應通常在視覺皮層的V1中產生，SSVEP可用于視覺注意和工作記憶等認知評估。在數據預處理方面，以上操作本文未全部涉及。

1.導入數據

首先將Curry采集的腦電信號導入eeglab，數據如圖所示：

我的eeglab不能直接導入CDT類型的文件，這里我們打開eeglab導入curry插件，選擇File->Manage EEG extensions ，在搜索框內搜索loadcurry并安裝

安裝成功后選擇File->Import data->Using EEG functions and plugins->From Neuroscan Curry files導入CDT文件。結果如下圖：

2.定位電極

需要知道的是，在用Curry8采集腦電數據后，相關電極位置信息已經保存在.dpa文件內了，此時如果直接采用EEGLAB讀入該數據文件.cdt和配置文件.dpa，則有關電極位置等信息就可自動讀入eeglab，我們也就不再需要手動為其添加電極信息了。選擇Plot->Channel data 展示未處理之前的數據以及選擇Plot->Channel locations展示電極位置：

3.刪除無用電極

這里我們選擇保留的通道為C3、Cz、C4、P7、P3、Pz、P4、P8、O1、Oz、O2，應該刪除HEOG、FP1、FP2、VEOG、F7、F3、Fz、F4、F8、T7、T8、M1、M2、CP3、CPz、CP4這些電極。這里我沒有保留T7、T8的電極，可以使用這兩個電極做平均參考，我這里使用的Cz作為參考，詳細操作見下一步。選擇Edit->Selet data得到如下界面：

在Channel range處勾選 on ->remove these表示刪除（不勾選表示保留），選擇我們要刪除的電極，點擊OK：


在保留文件界面，勾選Overwrie表示覆蓋原文件，點擊OK，發現文件大小已經變小，刪除成功，如下圖：

4.重參考對于參考電極，在線實驗時會設置，但是如果不能準確放置，該電極的噪聲也會轉化為其他電極的噪聲，選擇離線分析中重參考也是不錯的選擇。選擇參考電極時應盡可能地遠離感興趣區域的電極，如本次實驗數據主要為枕區電極采集得到，因此可以采用雙側耳垂電極的平均電壓值作為參考，這里可以選用T7 T8兩個電極。為了簡便 我這里選擇Cz作為參考電極。 選擇Tools->Re-reference the data得到如下界面：

勾選Re-reference data to channels 選擇我們的參考電極，如果選兩個即計算二者的平均電位值作為參考電極（個人理解）。選擇好之后點擊OK，再次Overwrite保存更改后的數據，得到如下界面，發先在Reference處出現Cz

5.濾波根據偽跡的頻率范圍選擇合適的濾波器，可以有效減少腦電原始數據中的偽跡，例如高通濾波設置為0.1Hz，低通濾波設置為30Hz，保留0.1-30Hz內的數據。選擇Tools->Filter the data->Basic FIR filter，出現如下界面：

兩個一起填代表進行帶通濾波，將處理好的結果Overwrite覆蓋原有數據。

7.基線矯正根據實驗事件中的事件編碼，將腦電數據劃分為多個數據段，如刺激前100ms到刺激后600ms，在本腦電數據中包含11個類別，這里我都選上選擇Tools->Extract Epoch 如下圖：

點擊OK后繼續覆蓋保存數據，之后出現界面：

默認點擊OK覆蓋保存即可。這里我們觀察下腦電圖，可以看到1 2 3 4 5 …基線已經包含：

9.去除偽跡

去除偽跡，采用ICA分離偽跡將分離的獨立成分偽跡相關成分和神經活動相關成分，再將標記為偽跡的成分剔除，重組得到真實相關的腦電數據。常見的偽跡異常成分地形圖表現為：
1.在地形圖中能量只集中在額葉（眼電偽跡）
2.地形圖不連續（噪聲偽跡）
3.地形圖受限于單個電極（電極偽跡）
選擇Tools->Decompose data by ICA得到如下界面，默認設置點擊OK

進行ICA分解，等待一段時間。

分析完成后可以看到 ICA weigths完成，如下圖：

展示一下除去偽跡后的腦電光譜圖，如下圖：

最后將我們簡單處理好的腦電數據導出保存，選擇File->save current dataset as保存為本地.set文件。

總結

以上是生活随笔為你收集整理的脑电数据预处理，eeglab预处理采集的SSVEP数据的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。