Hello，
這裡是行上行下，我是喵君姐姐~
經歷了開題的魔鬼一周，我終於重振旗鼓，抽出時間寫腦電數據指導手冊啦。
老朋友可能都知道我會不定時更新，可能新朋友還有些不適應。但是不管如何都感謝你的支持，讓我覺得這是一件有意義的事情，並努力堅持下去。
剛剛接觸一個新鮮的事情，我們都會手足無措，不知道該從何開始，隨著慢慢熟悉，才會感覺得心應手。
所以，面對腦電數據內心不要有抗拒的心理，一步步慢慢來，總是可以學會的（技術小白的我都可以，相信你也可以）。
那今天我就詳細講解一下，面對一堆腦電數據，應該如何處理？
（下面將從這四個方面進行講解喲~）
來源：梁麗美
溫馨提示：以下內容多圖多字，需9分鐘閱讀完。若是操作需求，請按步驟操作；若是瀏覽需求，請直接拉到最後總結部分。此外，十分感謝 AffectiveNeuroscience 和 BrainTechnology 公眾號以及深大李鵬老師的支持。
一、數據導入
步驟：雙擊Analyzer - New - 數據儲存位置\raw - 數據儲存位置\history - 數據儲存位置\export - OK - 儲存workspace - 雙擊 raw data 打開數據
解讀：通過儲存三個文件，可以找到對應的分析數據；通過workspace，下次可直接打開數據。
來源：深大李鵬老師
二、壞點替換
步驟：Transformations - Dataset Preprocessing - Formula Evaluator - 周圍4個點替換掉壞點 - OK
解讀：既可以通過腦電數據採集時記錄的壞點，進行壞點替換；也可以通過「去偽跡」步驟後，發現壞的大於20%的點，重新返回最開始進行分析。
三、重參考
步驟：Transformations - Dataset Preprocessing - Channel Preprocessing - New Reference - Avilable：除了參考電極的全部電極 - Selected:參考電極 - Next - 還原在線參考電極：FCz - Finish
解讀：在線參考電極是FCz，而離線參考電極是雙側乳突（TP9和TP10）或者全腦平均，這裡使用的是雙側乳突，所以根據實際需要進行更換參考電極。
四、濾波
步驟：Transformations - Artifact Rejection/Reduction - Data filtering - IIR Filters - High Cutoff 30 Hz - Notch 50 Hz - OK
解讀：目的是根據所要分析的信號頻率，適當設定波形帶寬，濾除不必要的信號。把高於30 Hz腦電波濾掉，並去除50 Hz 工頻的幹擾。
五、ICA去眼電（重要）
步驟：Transformations - Artifact Rejection/Reduction - Ocular Correction ICA - 半自動 / 根據眨眼標記 - 根據波幅值超過平均值判斷 - 電極點：VEOG - Next - 左邊：除了眼電的全部電極 - Next - 隨機選擇50ms - Next - Finish
解讀：目的是將眨眼或者眼動帶來的肌電影響進行糾正。ICA去眼電，要先濾波；50ms選擇眨眼頻繁，但是腦電數據好的部分；通過標紅的部分、地形圖、腦電圖來判斷是否為腦電成分，選擇Correction 查看去除眼電的效果。
眼電判斷標準：
ICA去眼電步驟：
六、分段
步驟：Transformations - Segment Analysis Functions - Segmentation - 選擇第一個和最後一個 - Next - 選擇分析的條件 - Next - 分析數據的時間窗：-200 - 800 - OK
解讀：目的是根據mark標記把要進行疊加平均的腦電信號提取出來。分段之後，可以在最下面查看這種條件下的有效次數是多少，是否達到最低條件30trials。
七、基線矯正
步驟：Transformations - Segment Analysis Functions - Baseline Correction - -200-0 - OK
解讀：一般是以刺激前200ms 作為基線，要求基線要穩，不然後面的比較都沒有意義。
八、去偽跡
步驟：Transformations - Data Fitering - Artifact Rejection - Inspection Method:Automatic Segment Selection - Channels：右邊，除了眼電和參考都選 - Criteria：± 80μV - OK
解讀：這裡選擇是全自動的，去除超過±80μV 的腦電波段；也可以選擇半自動，自己手動去除。
九、疊加平均
步驟：Transformations - Segment Analysis Functions - Average - OK
解讀：即可得到這個被試在這種條件下的疊加的ERP波形。
十、另一種條件下的處理
步驟：Transformations - Segment Analysis Functions - Segmentation - 選擇要分析的那個條件 - OK - 直接拖拽之前已經做過的步驟 - 自動執行
解讀：只有當滑鼠旁邊會顯示一個＋號才能夠拖動，需要半自動的地方，它會自動停下來。
一、批處理
步驟：History Template - New - Root - 把之前操作的步驟拖拽入Root - History Template - Save - History Template - Apply to hostory files - Select history template 選擇剛剛的文件 - 添加自己要分析的數據 - OK
解讀：只有當滑鼠旁邊會顯示一個＋號才能夠拖動，已經做過分析的被試不會再重複分析。不過剛開始儘量不要使用批處理，還是進行每一個單個被試的分析，熟悉理解整個數據處理過程。
二、差異波
步驟：點擊減數的條件 - Transformations - Comparison and Statistics - Data Comparison - Difference - OK - 選第二個 - Next - Expand All - 點被減數的條件 - OK
解讀：注意兩個相減的順序，先點減數的那個條件，然後再點被減的那個條件。
三、峰值檢測
步驟：Transformations - Segment Analysis Functions - Result Evaluation - Peak Detection - Next - 波幅ERP名稱/時間窗/正或負 - Next - 選入自己想要分析的點 - 選擇自己要的點 - 檢查是否正確 - 雙擊線可進行調整 - Finish
解讀：有的成分（例如P300)，既可以做峰值檢測，也可以做平均波幅，因而可以在最開始兩種都做並導出數據，以備不時之需。
一、組平均
步驟：Transformations - Segment Analysis Functions - Result Evaluation - Grand Average - 填寫要做總平均的數據集 - 添加被試 - OK
解讀：當對每個被試的各個條件都完成了疊加平均之後，可對實驗條件進行組平均，然後導出波形圖和地形圖。（來源：陳銳）
二、波形圖
步驟：右鍵 - 調整數值大小 - 橫縱坐標 - 直接複製粘貼到PPT進行美化調整
解讀：調整數值大小，使得沒有空白的地方，正好充滿整個畫面；最後圖片的格式為.tif，解析度至少為300dpi。
三、地形圖
步驟：右鍵 - 選擇地形圖 - 調整時間窗 - 調整數值大小 - 直接複製粘貼到PPT進行美化調整
解讀：地形圖標尺的數值大小可以按照波幅值調整，突出最顯著的地方，注意地形圖的準確和美觀。
一、平均波幅
步驟：Export - Area Information - 填寫時間窗 - 選擇各種條件，以英文逗號隔開 - 選擇被試 - 進行命名 - OK
解讀：大多數的成分都是以平均波幅導出，時間窗最短選擇30ms，一般是最大峰值前後15ms，導出文件為.txt文件，然後轉換為其他文件，然後在 Excel 和 SPSS 當中進行統計分析。
二、峰值檢測
步驟：Export - Peak Information - 填寫名字 - 選擇各種條件，以英文逗號隔開 - 選擇被試 - 進行命名 - OK
解讀：也有一些成分是以峰值檢測導出，導出文件為.txt文件，然後轉換為其他文件，在 Excel 和 SPSS 當中進行統計分析。
今天，從單個被試處理、其他特殊處理、總平均、數據導出等四個方面對用Analyzer處理腦電數據進行了一次梳理。
單個被試處理：數據導入、壞點替換、重參考、濾波、ICA去眼電、分段、基線矯正、去偽跡、疊加平均、另一種條件的處理
其他特殊處理：批處理、差異波、峰值檢測
總平均：組平均、波形圖、地形圖
數據導出：平均波幅、峰值檢測
不過不管看過多少的操作手冊，都不如自己動手操作一次。所以，現在就開始行動起來吧，用實驗數據操作一次，你才能夠真正學會。
此外，還有時頻分析和數據合併等一些小技巧，我也整理了一份腦電數據處理的大禮包，裡面包含腦電數據處理指導手冊word版本以及PPT版本等資料。後臺回復關鍵詞「腦電數據處理」，即可獲得所述的腦電數據處理大禮包啦！
溫馨提示：Analyzer腦電數據處理必須要有加密狗才能操作，所以可以提前問問師兄師姐實驗室是否配備有加密狗。若是沒有加密狗也可使用eeglab進行分析，大家想看嗎？若是想看，記得留言喲~
小夥伴們也可以在留言區將自己的數據處理的經驗分享一下，和大家互相交流哈~
分享完畢，希望有所幫助。
腦電數據採集指導手冊
2018年心理學影響因子分類整理
面孔材料和相關工具整理
預印本之最新文獻追蹤