【EEG信号处理】ERP相关

ERP,全称为event-related potential,中文是事件相关电位

首先要明确的一点是,ERP是根据脑电图EEG得到的,他是EEG的一部分,是最常用的时域分析方法

可能有一部分是介绍不到的,望谅解

在维基百科中给的定义是:与特定的物理事件或心理事件,在时间上相关的电压波动(voltage fluctuation)。这种电位可以被颅外记录,并凭借滤波和信号叠加技术,从脑电信号中被提取出来

实际上脑电EEG是一直存在的。大脑的自发性电活动是一直在发生的,当有一些事件进行刺激时,自发性EEG会受到干扰,这种由事件诱发的神经响应会淹没在自发性 EEG 活动中,但是可以利用一些手段(平均叠加)来提取出来

这些经过平均叠加所获得的脑电响应被称为事件相关电位,表示它们是与特定事件相关的电位

在这里插入图片描述

怎么得到ERP

主要参考:一文详解ERP的提取原理 - 心仪脑的文章 - 知乎
https://zhuanlan.zhihu.com/p/450282055

首先就是要从EEG中进行epoch分段,将某种刺激事件过后的一段时间内的EEG信号进行收集

下图展示的就是一段EEG数据,是整个试次组块中记录到的连续信号,并以事件编码标记刺激和反应的发生。从EEG数据中提取分段就要基于这些事件编码的标记,也就是我们常说的Mark。如下图所示,方框框起来的部分就是分出来的6段,上面的X和O代表着每一段的刺激类型。

在这里插入图片描述

在这里插入图片描述

下一步是基线校正,基线校正的目的类似于归一化(这是我理解的),让他们的baseline能够较为相似,数据差别范围不会那么大

最后是叠加平均,我们需要有足够多的事件才能对ERP产生足够多的观察

在这里插入图片描述
在这里插入图片描述

所有的ERP波形都是时间锁定和相位锁定的。时间锁定是指大脑对刺激事件的反应相对于基线的变化出现在同一时间段内,即潜伏期恒定;相位锁定是指大脑对刺激反应的能量值基于基线的变化方向一致,即波形恒定。

在这里插入图片描述

通过叠加平均的方式对ERP成分分离有两个重要的前提条件。第一个是在静息状态时我们大脑神经元放电交错复杂且无规律,EEG波形不锁时也不锁相,在进行多次叠加平均后可近似抵消趋于平稳;第二个由任务事件引发的成分是锁时锁相的,在进行叠加的时候不会被抵消

在这里插入图片描述

而我们研究的主要是ERP中那些偏转的峰值

在这里插入图片描述
在这里插入图片描述

其中上图提到的P、N和后面带的数字也有它的含义。例如在刺激呈现后100毫秒左右达到峰值的正成分被称为“P100”,负成分被称为“N100”。同时还有一套命名体系,这套体系依据的是该成分的序列性,例如刺激诱发的第一个显著的正成分被称为“P1”,而第一个负成分被称为“N1”。大多数主要的脑电成分同时具有两种称谓,例如“P300”和“P3”。巧合的是,在以毫秒为单位的刻度上,脑电成分的潜伏期数值往往接近其序列位置的100倍,以致N1 = N100,P1 = P100,P3 = P300。由于存在这种对应关系,因此两种命名尚不至于带来研究与交流的不便。

什么是锁相、锁时

锁相和锁时中的锁,代表的意思是在一个固定的刺激下,能够以一个稳定的状态发生,是有相关性的

相是指的相位,即这个刺激过后,基于基线的方向是一致的;时是时间,即这个刺激后,发生变化的时间是固定的

下图展示的是evoked(诱发)和induced(诱导)之间的区别,实际上可以看出来,evoked产生的时间完全相同,并且也是锁相的

在这里插入图片描述

在这里插入图片描述

BTW

BTW23们实际上会发现,得到的ERP和单次实验得到的电极测量出来的水平相差往往是好几倍的关系,或者说单次得到的往往要大一个数量级,这是为什么呢?

我们都知道,在采集EEG过程中,得到的信号肯定不是纯净的,往往有大量的噪声在里面,这就为什么我们要进行平均;另一个原因是ERP在单个实验数据中是可变的

那事件相关电位和单次实验之间的关系是什么?

参考

https://zh.wikipedia.org/wiki/%E4%BA%8B%E4%BB%B6%E7%9B%B8%E5%85%B3%E7%94%B5%E4%BD%8D

https://www.youtube.com/watch?v=eKGmoJOB-_0&ab_channel=Psyched%21

脑电系列第一期:初识脑电,EEG与ERP的关系 - 恒挚科技EVERLOYAL的文章 - 知乎 https://zhuanlan.zhihu.com/p/624769492

一文详解ERP的提取原理 - 心仪脑的文章 - 知乎 https://zhuanlan.zhihu.com/p/450282055

https://www.udemy.com/course/solved-challenges-ants/

脑电信号处理与特征提取——胡理

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:/a/357991.html

如若内容造成侵权/违法违规/事实不符,请联系我们进行投诉反馈qq邮箱809451989@qq.com,一经查实,立即删除!

相关文章

手机屏幕生产厂污废水处理需要哪些工艺设备

随着手机行业的快速发展,手机屏幕生产厂的规模也越来越大,但同时也带来了大量的污废水排放问题。为了保护环境和人类的健康,手机屏幕生产厂需要采取适当的工艺设备来处理污废水。本文将介绍手机屏幕生产厂污废水处理所需的工艺设备。 首先&am…

Spring:JDBCTemplate 的源码分析

一:JdbcTemplate的简介 JdbcTemplate 是 Spring Template设置模式中的一员。类似的还有 TransactionTemplate、 MongoTemplate 等。通过 JdbcTemplate 我们可以使得 Spring 访问数据库的过程简单化。 二:执行SQL语句的方法 1:在JdbcTempla…

提升编程效率的利器: 解析Google Guava库之集合篇RangeSet范围集合(五)

在编程中,我们经常需要处理各种范围集合,例如时间范围、数字范围等。传统的集合类库往往只能处理离散的元素集合,对于范围集合的处理则显得力不从心。为了解决这个问题,Google的Guava库提供了一种强大的数据结构——RangeSet&…

一文掌握 Golang 加密:crypto/cipher 标准库全面指南

一文掌握 Golang 加密:crypto/cipher 标准库全面指南 引言Golang 和加密简介crypto/cipher 库概览使用 crypto/cipher 实现加密高级功能和技巧最佳实践和性能优化总结资源推荐 引言 在现代软件开发领域,安全性是一个不容忽视的重要议题。随着信息技术的…

黑盒测试用例的具体设计方法(7种)

7种常见的黑盒测设用例设计方法,分别是等价类、边界值、错误猜测法、场景设计法、因果图、判定表、正交排列。 (一)等价类 1.概念 依据需求将输入(特殊情况下会考虑输出)划分为若干个等价类,从等价类中选…

备战蓝桥杯---数据结构与STL应用(基础实战篇1)

话不多说,直接上题: 当然我们可以用队列,但是其插入复杂度为N,总的复杂度为n^2,肯定会超时,于是我们可以用链表来写,同时把其存在数组中,这样节点的访问复杂度也为o(1).下面是AC代码: 下面我们来…

Vim实战:使用Vim实现图像分类任务(一)

文章目录 摘要安装包安装timm 数据增强Cutout和MixupEMA项目结构编译安装Vim环境环境安装过程安装库文件 计算mean和std生成数据集 摘要 论文:https://arxiv.org/pdf/2401.09417v1.pdf 翻译: 近年来,随着深度学习的发展,视觉模型…

项目解决方案:高清视频监控联网设计方案

目 录 一、客户需求 二、网络拓扑图 三、方案描述 四、服务器配置 五、方案优势 1. 多级控制 2. 平台可堆叠使用 3. 支持主流接入协议 4. 多种终端显示 5. 视频质量诊断 6. 客户端功能强大 7. 一机一档 一、客户需求 客户现场存在两个网络环境&#xff0c…

25考研北大软微该怎么做?

25考研想准备北大软微,那肯定要认真准备了 考软微需要多少实力 现在的软微已经不是以前的软微了,基本上所有考计算机的同学都知道,已经没有什么信息优势了,只有实打实的有实力的选手才建议报考。 因为软微的专业课也是11408&am…

HarmonyOS4.0系统性深入开发31创建列表(List)

创建列表(List) 概述 列表是一种复杂的容器,当列表项达到一定数量,内容超过屏幕大小时,可以自动提供滚动功能。它适合用于呈现同类数据类型或数据类型集,例如图片和文本。在列表中显示数据集合是许多应用…

[DotNetGuide]C#/.NET/.NET Core优秀项目和框架精选

前言 注意:排名不分先后,都是十分优秀的开源项目和框架,每周定期更新分享(欢迎关注公众号:追逐时光者,第一时间获取每周精选分享资讯🔔)。 帮助开发者发现功能强大、性能优越、创新前…

R语言学习case7:ggplot基础画图(核密度图)

step1: 导入ggplot2库文件 library(ggplot2)step2&#xff1a;带入自带的iris数据集 iris <- datasets::irisstep3&#xff1a;查看数据信息 dim(iris)维度为 [150,5] head(iris)查看数据前6行的信息 step4&#xff1a;画图展示 plot2 <- ggplot(iris,aes(Sepal.W…

基于C#制作一个连连看小游戏

基于C#制作一个连连看小游戏,实现:难易度选择、关卡选择、倒计时进度条、得分计算、音效播放等功能。 目录 引言游戏规则开发环境准备游戏界面设计游戏逻辑实现图片加载与显示鼠标事件处理游戏优化与扩展添加关卡与难度选择说明</

wpf 数据转换(Bytes 转 KB MB GB)

效果 后端 using ProCleanTool.Model; using System; using System.Collections.Generic; using System.Collections.ObjectModel; using System.Globalization; using System.Linq; using System.Text; using System.Threading.Tasks; using System.Windows.Data;namespace P…

Python(19)Excel表格操作Ⅰ

目录 导包 读取EXCEL文件 1、获取worksheet名称 2、设定当前工作表 3、输出目标单元格数据 4、工作表.rows&#xff08;行&#xff09; 5、工作表.columns&#xff08;列&#xff09; 小结 导包 要想使用 python 操作 Excel 文件&#xff0c;应当导入 openpyxl 包。在…

【Docker】WSL(Windows Subsystem for Linux)常见命令解释说明以及简单使用

欢迎来到《小5讲堂》&#xff0c;大家好&#xff0c;我是全栈小5。 这是《Docker容器》序列文章&#xff0c;每篇文章将以博主理解的角度展开讲解&#xff0c; 特别是针对知识点的概念进行叙说&#xff0c;大部分文章将会对这些概念进行实际例子验证&#xff0c;以此达到加深对…

Flask 入门2

1. 在上一节中&#xff0c;我们使用到了静态路由&#xff0c;即一个路由规则对应一个 URL。而在实际应用中&#xff0c;更多使用的则是动态路由&#xff0c;它的 URL是可变的。 2. 定义一个很常见的路由地址 app.route(/user/<username>) def user(username):return U…

鸿蒙首批原生应用!无感验证已完美适配鸿蒙系统

顶象无感验证已成功适配鸿蒙系统&#xff0c;成为首批鸿蒙原生应用&#xff0c;助力鸿蒙生态的快速发展。 作为全场景分布式操作系统&#xff0c;鸿蒙系统旨在打破不同设备之间的界限&#xff0c;实现极速发现、极速连接、硬件互助、资源共享。迄今生态设备数已突破8亿台&…

【环境配置】安装了pytorch但是报错torch.cuda.is_availabel()=Flase

解决思路&#xff1a;import torch正常&#xff0c;说明torch包安装正常&#xff0c;但是不能和gpu正常互动&#xff0c;猜测还是pytroch和cuda的配合问题 1.查看torch包所需的cuda版本 我的torch是2.0.1&#xff0c;在现在是比较新的包&#xff0c;需要12以上的cuda支持&…

【flutter项目类型】project type如何区分

通过项目中.metadata内容区分 如 # Used by Flutter tool to assess capabilities and perform upgrades etc. # # This file should be version controlled and should not be manually edited.version:revision: 85684f9300908116a78138ea4c6036c35c9a1236channel: stablep…