第5章: イベントとエポック化¶
第4章 — ICAによるアーティファクト除去からの続きです。
この章では、クリーンにした連続記録を、平均化とERP解析に必要な試行ごとのエポックに切り分けます — MNE-Pythonのトラックのイベントとエポックの章に対応する内容です。
イベント構造¶
記録内のすべてのマーカー — 刺激の開始、ボタン押下、トリガーパルス — はEEG.eventに格納されます。これは各エントリが少なくとも.type(コードまたはラベル)と.latency(発生したサンプル位置)を持つリストです。ほとんどのインポート形式では、ファイルのトリガーチャンネルからイベントが自動的に取り込まれます。Edit → Event/Import event infoは、イベントが別のログファイルにある場合に、それらを個別に追加・インポートします。
イベントコードの編集¶
生のトリガー値は、多くの場合数値でラベルが付いていません(例: 1、2、3)。Edit → Event/Import event info → Edit event valuesを使うと、エポック化の前にこれらを意味のある条件名("target"、"standard"、"response")に付け替えられます。こうしておけば、次に抽出するエポックはすでに条件ごとに整理された状態になります。
エポックの抽出¶
Tools → Extract epochsは、選択した1つ以上のイベントタイプが出現するたびに、その前後の固定時間窓(例: −200msから800ms)を切り出し、連続記録を「チャンネル×時間×試行」の3次元配列に変換します。続くTools → Remove baselineは、各エポック自身の刺激前平均を差し引きます。これにより、後で見る振幅の違いが、もともとあったオフセットではなく刺激への反応を反映するようになります。
不良エポックの除去¶
クリーンにした連続記録であっても、1つの試行にたまたまアーティファクトが重なることがあります。Tools → Reject data epochsは、疑わしい試行を検出するための複数の自動基準 — 極端な電圧値、強い線形トレンド、統計的に見て確率の低いデータ(外れ値)、異常な尖度 — を提供します。これらはまとめて確認したうえで、フラグの付いたエポックが以降の解析から除外されます。