EEG信号处理与分析常用工具包介绍【第2波】

2020-12-28 11:04:51 浏览数 (1)

《本文同步发布于“脑之说”微信公众号,欢迎搜索关注~~》

ERPLAB工具包

ERPLAB工具包是由ERP领域的大牛Steven J Luck团队研发的专门针对ERP分析的工具包。ERPLAB并不是一个独立的工具包,而是作为EEGLAB工具包的一个插件。ERPLAB可以进行滤波、重参考、去除噪声等ERP的预处理,可以计算和绘制平均ERP和差异波,可以绘制幅值地形图,最为重要的是可以计算(局部)峰潜伏期、(局部)峰幅值、平均幅值、面积幅值等多种ERP参数。此外,ERPLAB还提供了permutation和Mass Univariate统计分析方法。除了功能上的一应俱全,对于编程小白来说最为重要的是,ERPLAB具有GUI界面,只需点击几个按钮和键盘即可完成一系列操作。当然,对于有编程经验的研究者,ERPLAB也提供了现成的代码和函数供调用。 官方网址:https://erpinfo.org/

图1图1

LORETA/sLORETA/eLORETA软件

LORETA/sLORETA/eLORETA软件是由瑞士苏黎世大学医院的Roberto D. Pascual-Marqui等研究者研发而成,用于EEG、MEG信号的分析。LORETA/sLORETA/eLORETA最主要的功能是进行基于LORETA技术的EEG和MEG信号的溯源分析,以及计算源空间上的功能连接。 官方网址:http://www.uzh.ch/keyinst/loreta.htm

图2(来源:官网)图2(来源:官网)

SPM工具包

SPM(Statistical Parametric Mapping)工具包是由英国及伦敦大学的Friston等人开发的基于Matlab平台的开源工具包,功能非常强大。做fMRI研究的朋友可能对SPM更为熟悉,但是,SPM除了能够处理fMRI数据外,还可以处理多种神经影像数据,包括PET,SPECT, EEG/ MEG。SPM除了包括常规的EEG/MEG预处理和分析功能,主要具有以下3个主要的特点:1)可以利用一般线性模型(general linear model)对计算得到的地形图、时频分析、和3D溯源结果进行统计分析,并可以用随机场理论(randomfield theory)进行多重比较矫正;2)贝叶斯EEG/MEG溯源分析;3)动态因果模型(dynamiccausal modelling,DCM)应用于EEG/MEG的分析。 官方网址:https://www.fil.ion.ucl.ac.uk/spm/

图3图3

BioSig工具包

BioSig全称是Biomedical Signal Processing,即生物医学信号处理,是由德国Berlin Institute of Technology的Carmen Vidaurre等人开发,可以在Matlab和C/C 环境运行。BioSig工具包可以用于处理多种生物医学信号,包括EEG、ECoG, ECG, EOG, EMG,甚至可以处理呼吸信号。BioSig工具包提供了干扰信号的去除、特征提取、分类、计算功能连接和基于PDC的有效连接等功能。BioSig工具包主要的特色应该是具有脑机接口BCI系统,可以用于BCI的研究。BioSig工具包中的BCI系统包含的功能如图4所示。 官方网址:http://biosig.sourceforge.net/

图4图4

参考文献: [1]Javier L C , Luck S J . ERPLAB: an open-sourcetoolbox for the analysis of event-related potentials[J]. Frontiers in HumanNeuroscience, 2014, 8. [2]Litvak V , Mattout, Jérémie, Kiebel S , et al. EEGand MEG Data Analysis in SPM8[J]. Computational Intelligence and Neuroscience,2011, 2011:1-32. [3]Vidaurre C , Sander T H , Schl?Gl A . BioSig: TheFree and Open Source Software Library for Biomedical Signal Processing[J].Computational Intelligence and Neuroscience, 2011, 2011:1-12.

总结 工具包虽好,但是我们在应用某些分析技术时,尽量还是要先理解这些分析技术的原理,而不只是“傻瓜式地”点几个工具包中的按钮。

0 人点赞