第5章:事件与分段¶
本章把清洗后的连续记录切分成逐试次(trial-by-trial)的分段(epoch),这是做平均和 ERP 分析所必需的——对应 MNE-Python 线索的事件与分段一章。
事件结构¶
记录中的每一个标记——刺激起始、按键反应、触发脉冲——都会落入 EEG.event,这是一个列表,其中每一项至少包含一个 .type(代码或标签)和一个 .latency(发生时的采样点)。大多数导入格式会自动从文件的触发通道带入事件;当事件保存在单独的日志文件中时,Edit → Event/Import event info 可以单独添加或导入它们。
编辑事件代码¶
原始触发值往往是数字且没有标签的(例如 1、2、3)。Edit → Event/Import event info → Edit event values 可以在分段之前,把这些值重新标记为有意义的条件名称("target"、"standard"、"response"),这样接下来提取出的分段就已经按条件组织好了。
提取分段¶
Tools → Extract epochs 在每一个选定事件类型出现的位置周围截取一个固定的时间窗口(例如 -200 毫秒到 800 毫秒),把连续记录变成一个三维数组:通道 × 时间 × 试次。随后 Tools → Remove baseline 会减去每个分段自身刺激前的均值,这样之后的振幅差异反映的就是对刺激的反应,而不是本来就存在的偏移。
剔除坏分段¶
即使是清洗过的连续记录,某个偶发的伪迹仍可能与某个试次重叠。Tools → Reject data epochs 提供了多种自动化判据来标记可疑试次——极端电压值、明显的线性趋势、不合理的数据(统计异常值)或异常的峰度——这些结果会被一并检查,之后被标记的分段会从后续分析中剔除。