利用Brainstorm软件进行ERP数据的解码

《本文同步发布于“脑之说”微信公众号，欢迎搜索关注~~》

所谓的ERP数据的解码(decoding)其实就是利用机器学习方法对两种状态或者两组被试的ERP数据进行分类。Brainstorm软件中有一个机器学习的功能模块，专门用于ERP数据的解码，由于是GUI操作界面，因此对于新手朋友来说比较容易上手。笔者在这里对Brainstorm软件的这个模块的使用方法进行详细说明，希望对需要的朋友有所帮助。还不知道如何安装Brainstorm的朋友来说，可以参考脑之说公众号之前推送的一篇文章《EEG/MEG数据处理工具包Brainstorm的下载与安装教程》。本文依据Brianstorm官网指导手册整理而成。

ERP数据的导入

  为了便于说明，这里笔者采用1个被试2种状态的ERP数据，数据为60通道，condition1共有49个ERP，condition2共有145个ERP，数据是经过EEGlab工具包预处理后得到的干净数据。 1.打开Briansotrm工具包：在Matlab命令窗口中输入brainstorm； 2.建立新的Protocol：点击File—New Protocol，按如下设置后点击Create：

图1

3.在新建立的Protocol中新建1个被试：具体按下图进行操作，最后点击Save即可。

图2

图3

4.导入该被试的ERP数据：具体按下图进行操作

图4

在弹出的选择窗口中选择该被试两种condition下的ERP数据，如下图

图5

5.提取ERP数据到Brainstorm的database中：具体按如下操作

图6

在弹出的如下界面中，设置需要的event code，点击Import即可：

图7

对Condition2也进行同样的操作，最后可以看到Condition1中有49个ERP，condition2中有145个ERP，如下图：

图8

ERP数据的decoding

1.由于在进行ERP数据解码时要求两种条件下的ERP数据数量应该一致，因此，我们分别选择49个condition1和condition2的ERP数据，分别拖入Brainstorm下方Process2的Files A和Files B：

图9

2.此时，点击工具包左下角的RUN—Process selection—decoding—Classification with cross-validation：

图10

在弹出的界面中可以选择所用的机器学习分类方法，包括3个：Matlab自带的SVM、LibSVM工具包、Matlab中的线性判别分析LDA方法。这里，笔者选择Matlab自带的SVM方法，交叉验证的fold数保持默认10.

图11

设置好后，点击Run，经过几分钟的等待会得到如下结果：

图12

双击点击打开，结果如下：

图13

图中的横坐标表示时间，纵坐标表示decoding的准确度，这个图表示的是在每一个时间点处两种状态的分类准确度。 至此，笔者对如何利用Brainstorm软件进行ERP解码的操作步骤进行了详细说明。