基于Matlab、EEGLab和ERPlab的偏侧化差异波(N2pc/Pd/CDA )成分分析方法-知识主题-LingLab

基于Matlab、EEGLab和ERPlab的偏侧化差异波(N2pc/Pd/CDA )成分分析方法
2019-12-28

神经与认知科学神经语言学认知语言学

本文转载自微信公众号：BrainTechnology，推送的是念靖晴的文章《基于Matlab、EEGLab和ERPlab的偏侧化差异波(N2pc/Pd/CDA )成分分析方法》，敬请品读！

基于Matlab、EEGLab和ERPlab的偏侧化差异波(N2pc/Pd/CDA )成分分析方法
本文二次转载于微信公众号：BrainTechnology
以下文章来源于流浪心球，作者念靖晴
流浪心球
凝墨，乃书！

N2pc、Pd、CDA都是偏侧化差异波成分，是视觉目标对侧视野与目标同侧视野(如：威胁刺激在右侧, 则左半球电极点为对侧, 右半球电极点为同侧)电极点的波幅差异波。因此在进行此类ERP成分的研究时一定要分别对左右视野呈现的刺激打不同的Marker,在分析时分别标记为left和right。

因此，偏侧化差异波成分的分析会比其他常见ERP成分（如：N1、P3）稍微复杂一些，之前齐森青博士分享过《N2pc与CDA 的BP软件分析方法》[详情可见：http://52brain.com/thread-23932-5-1.html ]。但鉴于目前脑电数据分析软件的发展更新，我们将基于如今较为受欢迎的脑电数据分析软件Matlab、EEGLab和ERPlab讲解偏侧化差异波(N2pc/Pd/CDA )成分分析方法。
偏侧化成分的分析方法基本一致，即：一通百通。因此，我们将以N2pc成分为讲解的重点。N2pc是大脑后部对侧比同侧更负的偏侧事件相关电位，其计算方式为：左半球对侧波与右半球对侧波的平均减去左半球同侧波与右半球同侧波的平均。（如下图以CDA的计算为例，N2pc的计算相同）。

图片来源：Luria,R., Balaban, H., Awh, E., & Vogel, E. K. (2016).The contralateral delayactivity as a neural measure of visual workingmemory. Neurosci Biobehav Rev, 62, 100-108.

为了便于重复本教程中基本步骤，进一步交流和学习，我们选取了三名被试的脑电数据作为示例数据（下载链接为：https://osf.io/8pu6t/ ，点击文末阅读原文即可跳转）。示例数据来源于：[罗禹, 念靖晴, 鲍未, 张静静, 赵守盈, 潘运, 许爽, 张禹. (2020). 急性应激损害对威胁刺激的注意解除. 心理学报, 52(1): 26-37.]。在示例数据中我们以威胁刺激呈现的位置区分左侧和右侧视野。正确反应试次的Marker值为17，错误反应的Marker值为18,无反应的Maker为19。在进行偏侧化差异波成分分析时我们一般只分析正确反应的试次（研究有特殊需求的除外）。在示例数据中，Marker或Trigger的信息如下，即实验条件设置见[https://osf.io/8qc4u/]。

在本次教程中我们将分为一般ERP成分的分析过程和偏侧化差异波成分的分析过程两个主要部分。
第一部分：一般ERP成分的分析过程
主要过程：
1.数据导入。
2.加载电极点。
3.滤波[高通滤波(0.1Hz,12dB/octave)和低通滤波(30Hz,24dB/octave)]。
4.以双侧乳突（M1/M2）平均进行离线重参考，HEO和VEO不进行重参考。并创建 Reference.txt。
5.创建 Elist_N2pc.txt。
6.创建 Bins_N2pc.txt。
7.分段&基线校正
8.基于分段数据的伪迹检测和拒绝。
9.试次叠加平均
具体过程
1.打开Matlab，然后在Command中输入eeglab，打开EEGLAB。

2.使用EEGLAB导入数据，示例数据的采集设备为NeuroScan，因此数据导入的步骤依次为：File– Import data-Using EEGLAB function and plugins – From Neuroscan.CNT file。（PS:不同脑电采集设备采集的数据请使用对应的数据导入方式，具体的可查阅EEGLAB help）

2.加载电极点位置信息，步骤依次为：Edit –Channel Locations

3.对数据进行滤波，在示例数据中我们将分别进行高通滤波(0.1Hz,12 dB/octave)和低通滤波(30Hz, 24 dB/octave)。

3.1 高通滤波

3.2 低通滤波

4.对数据进行离线双侧乳突重参考，水平眼电和垂直眼电电极点除外。
对水平眼电和垂直眼电不进行重参考。删除VEO、HEO两个电极点中下图中蓝色的选中部分
最终保留如下图所示的内容，
将重参考文件保存到对应的文件夹中备用。
保存后，点击run 运行。

5.创建EventList。对Marker值进行还原。
参照下图操作依次进行，
最终如下图所示。

6.创建BinList。打开记事本，输入如图所示的内容。并保存到对应的位置备用。
Binlist的更多操作可以查阅：https://github.com/lucklab/erplab/wiki/BDF-Library &https://github.com/lucklab/erplab/wiki/Assigning-Events-to-Bins-with-BINLISTER

之后，我们将导入刚刚保存的Bins_N2pc.txt文件。

上图为实验中的被试在各条件下正确反应的试次数。

7.分段和基线校正。刺激出现前200 ms到刺激出现后600 ms为时间窗口对连续数据进行分段,并选取–200~0ms 脑电作为基线。

8.伪迹拒绝。
8.1用MovingWindow Peak-to-Peak 对VEO进行伪迹拒绝

8.2用Step-Like artifacts 对HEO进行伪迹拒绝。

9.试次叠加平均，得到一般的ERP成分。

第二部分：偏侧化差异波成分的分析过程
主要过程：
1.定义电极点位置和刺激呈现的视野位置。
2.计算对侧和同侧的平均波幅
3.通过对侧减去同侧得到差异波。

具体过程
1.定义电极点位置和刺激呈现的视野位置。

1.1 分别选取除中线外，需要进行分析的左/右侧电极点。

1.2 分别选取左右视野呈现的试次条件。

最终界面如下图所示。

2.计算对侧和同侧的平均波幅

3.进行偏侧化差异波计算，用对侧减去同侧。

4.保存最终的数据

5.画个图形确认一下。
211 0 0

关注作者

私信作者

转发

加入收藏