第3章: 前処理¶
第2章 — データのインポートと確認からの続きです。
この章のステップは、連続記録をエポックに切り分ける前にきれいにするためのものです — MNE-Pythonのトラックの前処理の章と同じ目的を、コードではなくEEGLABのToolsメニューを通じて達成します。
フィルタリング¶
Tools → Filter the data → Basic FIR filter (new, default)は、EEGLABの標準フィルタ(内部的にはpop_eegfiltnew)を適用します — 低域カットオフ、高域カットオフ、またはその両方を入力します。Python側でraw.filter()にl_freq/h_freqを設定するのとまったく同じです。同じメニューにあるnotch filterオプションは、電源由来のライン雑音(記録場所に応じて50Hzまたは60Hz)を別途除去します。
再リファレンス¶
Tools → Re-reference the dataでは、記録のリファレンスを切り替えられます — 平均リファレンス(すべてのチャンネルの平均を全チャンネルから差し引く)、単一チャンネル、または特定のペア(一般には両乳様突起)の平均です。これはMNEのraw.set_eeg_reference()に直接対応するGUI操作です。
不良チャンネル¶
フラット、飽和、あるいは雑音に支配されたチャンネルは、以降のすべての解析の足を引っ張るくらいなら、通常は除外すべきです。
- Tools → Reject data using... → Reject channelsで、手動での目視選択、または統計的に外れ値チャンネルを検出する自動基準(プラグインとしてインストールするClean Rigorなど)を使えます。
- チャンネルが不良とマークされたら、Tools → Interpolate electrodesで近傍チャンネルからそれを再構成できます — 後のグループ平均化のためにチャンネルを単純に落とすより、完全で規則的なチャンネルセットを保っておきたい場合に有用です。
リサンプリング¶
Tools → Change sampling rateは記録をダウンサンプリングします — ファイルが小さくなり処理も速くなりますが、代わりに最も高い周波数成分を失います。標準的なEEG/ERP解析では、250〜500Hz程度にリサンプリングするのが一般的な選択で、これは注目する信号のほとんどが存在する範囲を十分に上回っています。
再現性についての注記: EEG.history¶
実行したGUI操作はすべて、対応するMATLABコードの1行としてEEG.historyに静かに記録されています。File → Save history(またはEdit history)は、そのログを実行可能な.mスクリプトとして書き出します — つまり、一度GUIでクリックして組み立てたパイプラインを正確に再現したり、多数の被験者に対して無人で実行するスクリプトへと改造したりできるということです。これは「手作業での探索」と「スクリプト化された再現可能な処理」をつなぐEEGLAB内蔵の橋渡しであり、第7章に向けて覚えておく価値があります。