第0章:什么是 EEGLAB 与 ERPLAB¶
这是本仓库中第三条独立的教程线索:EEGLAB——一款基于 MATLAB 的 EEG/MEG 分析工具箱,以及它面向 ERP 分析的插件 ERPLAB。它与 MNE-Python 线索以及本仓库其他部分介绍的 Brainstorm 线索并列,但又是另一种类型的工具,本线索可以独立阅读——不需要任何 Python、MATLAB 或 EEGLAB/ERPLAB 的既有经验。
一句话认识 EEGLAB¶
EEGLAB 是一款免费、开源的 MATLAB 工具箱,用于处理电生理信号——EEG、MEG 及相关数据,由加州大学圣地亚哥分校(UC San Diego)的 Swartz 计算神经科学中心(SCCN)开发。与 Brainstorm 一样,它通过图形界面操作:加载一份记录后,菜单栏会引导你完成滤波、重新参考、运行 ICA、分段等步骤,每一步都会被记录下来,以便日后重放为 MATLAB 脚本。与 Brainstorm 不同的是,EEGLAB 并不要求特定厂商的文件格式或三维头模型才能开始使用——它的优势在于一个庞大的、由社区贡献的插件生态(截至目前已超过 200 个插件),涵盖从自动通道剔除到溯源分析,以及与本线索最相关的——事件相关电位分析。
ERPLAB:专注于 ERP 的插件¶
ERPLAB 并不是一个独立的应用程序——它是一个安装在 EEGLAB 内部的插件,会新增一个专门用于事件相关电位(ERP)分析的菜单:计算条件平均波形、用适合 ERP 的设置对其滤波,以及它的招牌功能——一次性自动测量大量被试和条件下这些波形的振幅与潜伏期数值。如果你的研究成败取决于 P300、N400 或 MMN 成分,ERPLAB 的 Measurement Tool 通常是从清洗好的分段数据得到结果表格最快的途径。ERPLAB 无法在没有打开 EEGLAB 的情况下运行,这也是本仓库将两者视为一条组合线索而非两条独立线索的原因。
与 MNE-Python、Brainstorm 相比,它处于什么位置¶
本仓库中的三条线索解决的是同一个底层问题——把一段原始 EEG/MEG 记录变成一个科学结果——只是取舍不同:
| MNE-Python | Brainstorm | EEGLAB + ERPLAB | |
|---|---|---|---|
| 界面 | Python 代码 | 图形界面 | 图形界面 |
| 依赖 | Python | 无(独立版)或 MATLAB | MATLAB,或 EEGLAB 的独立运行时 |
| 招牌优势 | 可复现的脚本、庞大的生态系统 | 三维溯源分析 | 大规模 ERP 测量、插件生态 |
| 最适合 | 跨多被试运行的流程、代码审查、自定义分析 | 快速探索性分析 + 溯源成像 | 经典 ERP 范式(P300、N400、MMN……) |
三者中没有哪一个绝对"更好"——很多实验室会同时使用两种甚至三种工具,按任务而非按项目来选择。
本线索的内容¶
与另外两条线索一样,同样是零基础、共 8 章的风格,只是这里带你走的是 EEGLAB 与 ERPLAB 的菜单,而不是 Python 代码或 Brainstorm 的界面:
| # | 章节 |
|---|---|
| 0 | 什么是 EEGLAB 与 ERPLAB |
| 1 | 安装与首次启动 |
| 2 | 导入与检查数据 |
| 3 | 预处理 |
| 4 | 使用 ICA 去除伪迹 |
| 5 | 事件与分段 |
| 6 | 使用 ERPLAB 进行 ERP 分析 |
| 7 | 与 MNE-Python 的衔接 |
如果你完全不熟悉 EEG/MEG 的基本概念(什么是通道、什么是事件标记、"参考电极"是什么意思等),MNE-Python 线索的EEG 基础一章介绍了这些背景知识——这些内容与具体工具无关,在这里同样适用。
下一章: 第1章 — 安装与首次启动