第5章:传感器层面的分析¶

"传感器层面"指的是直接处理电极或传感器实际测得的数据,而不去尝试定位其在脑内的来源——这正是 MNE-Python 事件与分段和 ERP 分析两章所处理的阶段。

事件与分段¶

Brainstorm 检测触发事件的方式与 MNE-Python 相同——读取一个刺激通道,或者一个配套的事件文件。事件被检测出来并列在树中之后,运行一个处理即可将连续记录切分为围绕每个目标事件的短小分段(epoch):每个试次对应一个片段,这与 MNE-Python 的 Epochs 对象直接对应。

平均得到 ERP/ERF¶

对一组分段运行"Average"处理,会得到一条平均后的波形——EEG 中称为 ERP,MEG 中称为 ERF,正是 MNE-Python 中 Evoked 对象所代表的内容。双击生成的结果文件,可以将其显示为堆叠的时间序列(每条线对应一个通道),再点击一下,还可以显示为头皮地形图:在选定时刻,以颜色映射展示信号在头部各处的空间分布模式。

比较不同条件¶

由于每一项结果都只是树中的一个文件,比较两个实验条件的常见做法是:分别对每个条件求平均,然后要么在查看器中并排查看,要么运行"Difference"处理,直接计算条件 A 减去条件 B,生成一个新文件。

关于时频分析的补充说明¶

Brainstorm 也提供了传感器层面的时频分析处理(如 Morlet 小波等方法),可以为每个通道生成时间 × 频率的图谱——这对于会被简单平均抵消掉的节律性活动很有用。本入门线索不会深入讲解这部分内容,但它就位于与前面相同的处理列表之中。

下一章: 第6章 — 溯源分析