Here, what we can offer U

自1929年首次在人類大腦頭皮表面記錄到腦電以來，EEG在科學研究領域與臨床應用方面的重要性與日俱增。目前EEG的研究領域涵蓋了心理學、語言認知學、醫學、神經科學等。世界範圍內每年有數千篇與其相關的學術論文在不同水平的學術期刊或會議上發表，且論文數量呈逐年遞增的趨勢。能否發表一篇高質量的論文，數據結果是一個重要的因素，而結果的好壞與數據的處理分析方法密不可分。目前常用的EEG/ERP數據處理分析主要是基於時域分析（幅值和潛伏期的分析）、頻域分析（頻譜特性分析）等方法。隨著數據處理分析方法的不斷發展，像張量分解、獨立成分分析（ICA）、主成分分析（PCA）和時頻分析等對研究人員的數據處理能力有了更嚴格的要求，需要系統的培訓才能了解其原理和熟練操作。

腦域科技以「為數據發聲」為使命，致力於開發和推廣數據處理分析技術和方法。特推出以下EEG/ERP數據處理分析業務，為從事腦科學領域研究者提供專業的數據解決方案與服務。

·1.預處理

觀察EEG/ERP原始數據的整體波形圖、腦地形圖、頻譜圖和時頻圖等以了解其在不同方面的信息（見圖1），並基於EEGLAB[1]等軟體對其進行預處理，包括電極定位、剔除/替換電極、重參考、手動去偽跡、濾波、分段、去基線和ICA去眼電等步驟。

·2.時域分析

通常疊加平均後的ERP數據是若干ERP成分的疊加，利用腦域科技開發的ERP _PCA_Tool box中嵌入的FFT濾波器，Wavelet濾波器並結合主成分分析對ERP成分進行精準提取，實現對感興趣成分的精準分析。

·3.時頻分析

通過短時傅里葉變換（The Short-Time Fourier Transform, STFT）、復Morlet連續小波變換(Complex Morlet Continuous Wavelet Transform, CMCWT)、基於匹配追蹤分解的Gabor變換和魏格納分布相結合的演算法、多通道希爾伯特黃變換等時頻分析方法[2]，將一維的EEG/ERP時域信號變換為兩維的時-頻信號，繪製時頻表示圖和腦地形圖（分別見圖3第一行和第二行），提取感興趣區域的能量值（見圖3第一行黑色虛線區域）進行統計分析。

·4. 基於sLORETA和Brainstorm等軟體進行源定位

腦電源定位：通過sLORETA、Brainstorm等工具包對腦電信號進行溯源分析，即根據頭皮測量的電位信號，反演估計腦內神經活動源的位置、方向和強度信息，找到感興趣ERP/EEG對應的激活腦區。

·5.張量分解

通過Canonical Polyadic (CP)和Tucker等張量分解演算法[3-5]，對EEG/ERP的時域或時頻數據構成的高階張量進行分解，以挖掘不同被試之間ERP的個體差異，同時可觀測到ERP在時域、頻域和空間域的特性（圖5是用非負CP分解演算法對一個ERP時頻結果構建的四階張量進行分解的部分結果示例，圖中的時頻表示圖是時域成分與頻域成分外積得到的）。根據感興趣ERP成分在時域、空間域和頻域（分別對應圖5中的第2/3/4列）特性選擇出感興趣的成分，進而利用其對應的多域特徵（見圖5中的第1列）進行進一步的統計分析。

·6. 腦連接

根據數據特徵選擇合適的方法計算鄰接矩陣，基於時域、頻域、資訊理論等方法計算腦功能連接的鄰接矩陣，揭示不同腦區之間的連接關係；基於格蘭傑因果關係（Granger Causality ）及其在頻域中的拓展，如定向傳遞函數（DTF）和部分定向相干（PDC）等方法計算腦效應連接的鄰接矩陣，揭示大腦中的信息流向。根據鄰接矩陣繪製矩陣連接圖（如圖6第一列圖形）和對應的腦網路圖形（如圖6第二列圖形）。基於圖論的方法計算集聚係數（如圖6第三列圖形）、特徵路徑長度等腦網路特徵並根據不同被試之間的腦網路差異進行統計分析。

圖6 不同組被試的鄰接矩陣、64通道的腦網路圖形和不同通道的集聚係數示例

·7. Ongoing EEG分析處理

自然刺激下（聽音樂，看電影），連續腦電信號的處理分析[6]。利用張量分解演算法提取自然刺激誘發的腦電成分，再利用MIR_Toolbox提取長時音樂特徵，進而對兩者進行相關運算以挖掘人腦加工音樂信息所利用的音樂特徵、交互腦區和作用頻率等信息。

·8. 機器學習在EEG信號中的應用

利用EEG數據在時域（如峰峰值檢測, zero-crossing）、頻域（如功率譜密度等）、非線性（如複雜度、分形等）、多尺度熵等方面提取的特徵進行有效性評價和特徵選擇；再基於人工神經網路、脈衝神經網路、樸素貝葉斯、支持向量機，隨機森林等對已經選擇的特徵進行識別分類。

其他EEG/ERP數據處理方法正在孵化中，歡迎大家持續關注。

劃重點！！！！！

為了滿足部分客戶的需求，腦域科技特推出專業的一對一數據處理分析服務，具體數據處理分析價格，如下表所示：

對於需要多個模塊組合分析的客戶，另有定製化服務價格，請詳情諮詢。

聯繫人：王小宇

手機：18604158737

郵箱：postmaster@braindomain.cn

參考文獻

[1] DELORME A, MAKEIG S. EEGLAB: an open source toolbox for analysis of single-trial EEG dynamics including independent component analysis [J]. Journal of neuroscience methods, 2004, 134(1): 9-21.

[2] WACKER M, WITTE H. Time-frequency techniques in biomedical signal analysis. a tutorial review of similarities and differences [J]. Methods of Information in Medicine, 2013, 52(4): 279-96.

[3] HITCHCOCK F L. The expression of a tensor or a polyadic as a sum of products [J]. Journal of Mathematics and Physics, 1927, 6(1): 164-89.

[4] TUCKER L R. Some mathematical notes on three-mode factor analysis [J]. Psychometrika, 1966, 31(3): 279.

[5] CONG F, LIN Q-H, KUANG L-D, et al. Tensor decomposition of EEG signals: a brief review [J]. Journal of neuroscience methods, 2015, 248(59-69.

[6] CONG F, PHAN A H, ZHAO Q, et al. Analysis of ongoing EEG elicited by natural music stimuli using nonnegative tensor factorization; proceedings of the Signal Processing Conference, F, 2012 [C].

關注我們

http://weixin.qq.com/r/nkSmvuXEY7gcraHd9xGM (二維碼自動識別)

編輯排版 | 杜健寧

責任編輯 | 張光輝