第4章: 前処理¶

生の記録は、そのままでは使い物になるまでにノイズだらけです。目的はMNE-Pythonのトラックの前処理の章と同じで、ここではraw.filter(...)を書く代わりにクリックで行います。

不良チャンネル・不良区間のマーク¶

ビューアで記録を開くと、チャンネルのラベルを直接クリックして「bad(不良)」とマークし、後の解析から除外できます。また、ノイズの多い時間帯をドラッグで選択して不良区間としてマークすることもできます。どちらも、ファイルのメタデータとして保存されるだけで削除は行われないため、いつでも取り消せます。

これはBrainstormで何度も繰り返すことになるパターンなので、はっきり書いておく価値があります。

データベースエクスプローラのツリーでファイル(複数可)を選択する。
Process1タブへドラッグする。
処理の検索ボックスに「band-pass」などと入力し、リストから該当する処理を選ぶ。
表示されるダイアログでパラメータを設定する(フィルタなら、下限周波数・上限周波数 — MNE-Pythonのl_freq/h_freqとまったく同じです)。
Runをクリックする。

結果は、元のファイルの隣に新しいファイルとして現れます。フィルタリングによって元のインポートが上書きされることは決してありません。MNE-Pythonのraw.copy().filter(...)と同じ「元のデータには手を触れない」という考え方です。

バンドパス・ノッチフィルタ — 「Pre-process」カテゴリの下にあり、ゆっくりとしたドリフト、高周波ノイズ、電源由来のノイズを除去します。
SSPとICA — 「Artifacts」の下にあり、MNE-PythonのICAの章で使われているのと同じ統計的手法で、まばたきや心拍によるアーティファクトを脳信号から分離します。ここではコードではなく、案内付きのダイアログで実行します。
再基準化(リファレンシング) — EEGの電圧をどのチャンネルを基準として測定するかを変更する処理です。考え方自体は、MNE-Pythonのトラックの「EEGの基礎」の章で説明されているものと同じです。