神經振盪基礎
Roshini Randeniya
更新於
2024年5月22日
神經振盪基礎
Roshini Randeniya
更新於
2024年5月22日
神經振盪基礎
Roshini Randeniya
更新於
2024年5月22日
1. 導言
歡迎！在本教程中，我們將學習腦電波以及如何使用它們來理解大腦和行為。
Hans Berger 於 1929 年創造了腦電圖（electroencephalogram）一詞，當時他描述了使用放置在人頭部上的傳感器記錄的電位變化。他發現了兩種腦電波，他將其簡單地稱為 alpha 和 beta 波，原因僅在於他記錄它們的順序。這些波在其他哺乳動物身上也有被記錄過，但 Berger 是首次在人類身上描述它們！
從那時起，腦電圖（EEG）方法已成為神經科學的關鍵工具，並幫助演變了我們對腦電波（研究人員稱為神經振盪（neural oscillations））的理解，並有助於描繪大腦狀態，如疲勞和清醒。
在本簡短教程中，我們將涵蓋以下內容：
什麼是神經振盪？
我們如何測量神經振盪？
我們能用神經振盪做什麼？
使用 Emotiv 設備和軟體的實際應用。
2. 什麼是 EEG？
腦電圖（EEG）是一種測量我們大腦電活動的非侵入性且被動的方法。電極/傳感器/通道被放置在頭皮上，以記錄由成群的大腦細胞（稱為神經元）所產生的電活動。
圖 1 – 神經元產生可通過 EEG 設備檢測到的電活動 [Siuly, et al. (2016)]。
2.1. EEG 系統
市場上有許多可用於記錄 EEG 的 EEG 設備。EEG 設備的範圍可能包括：
單個傳感器至高達 256 個電極 – 更多電極將在整個頭皮上產生更高的空間分辨率信息。
濕或乾電極 – 濕電極使用電解凝膠或鹽水溶液來提高頭皮與傳感器之間的傳導性。乾電極可以是金屬或導電聚合物，需要與頭皮直接接觸。
主動或被動電極 – 被動電極系統只需將信號傳導至放大信號的設備。主動電極系統在每個電極處放大信號，然後再傳送至設備進行放大。這減少了信號中的環境電噪聲。
通過藍牙傳輸數據的有線或無線設備。
圖 2 – 無線、低密度 EEG 系統。
圖 3 – 有線、高密度電極 EEG 系統。
2.2. 何時使用 EEG？
每種神經影像學方法都可以幫助回答不同的研究問題。
EEG 的最大優勢在於它能以毫秒為單位測量神經活動，這可以測量前意識過程。
圖 4 – 不同神經影像工具的空間與時間分辨率。
它最適合用於回答諸如「受試者最關注我的影片的哪些部分？」等問題。
EEG 主要記錄來自大腦外層的活動（即空間分辨率較低）。使用單個傳感器，是無法確定活動來源的。使用大量通道進行記錄可以通過數學方式重建來源，但在識別深層來源方面仍然受限。功能性磁共振成像（fMRI）更適合解答如「大腦的哪一部分與注意力的變化相關？」等問題。
2.3. 傳感器到原始 EEG 訊號？
一旦 EEG 設備戴在頭上，就可感應在單個傳感器測量大腦活動，此為該傳感器與參考傳感器之間的振幅差。在大多數 EEG 系統中，這被稱為共模感應（CMS）電極。一個額外的傳感器，右腿驅動（DRL），有助於減少 CMS 處任何干擾。
圖 5 – 簡單的 EEG 信號傳輸方塊圖。
在同時具有主動和被動電極的系統中，信號隨後會被放大並進行低通濾波。低通濾波是消除信號中可能來自環境的電干擾（例如主電源線）的步驟。
這些步驟在原始 EEG 信號顯示在計算機屏幕上之前在硬件本身中進行。
2.4. 常見基礎術語
10-20 標準命名惯例
左側傳感器通常為單數編號，右側傳感器通常為雙數編號。
附註 1：這些僅僅是命名惯例，EEG 傳感器位置的來源並不指示活動的來源。
附註 2：需要進行諸如數學重建來源等額外步驟，以確定單個通道處活動的來源。
3. 什麼是神經振盪？
腦電波通常被稱為神經振盪，是由單個或一組神經元產生的有規律圖案。
目前尚不清楚為什麼大腦會產生這些不同類型的振盪，雖然有很多理論。研究人員使用不同的任務來表徵這些振盪活動，並旨在利用這些有規律圖案來探索大腦的神秘面紗。
3.1. 振盪的某些屬性
下圖顯示了常規電信號的測量結果：
圖 6 – 不同神經影像工具的空間與時間分辨率。
在左側（y 軸）我們可以繪製電記錄的振幅，在橫軸（x 軸）繪製時間。信號的振幅將繞中心點呈規律性地發生強度變化。一個週期也稱為一次振盪。
每秒的週期數稱為波的頻率，單位為赫茲（Hz）。因此，每秒 1 個週期 = 1 Hz。振幅通常以微伏（µV）測量。
在大腦中，我們可以看到頻率範圍從 0.2 Hz（極慢波）到 80 Hz 或更多（極快波）的電波。大腦中也能記錄到與癲癇發作相關、高達 500 Hz 的高頻活動。
不同類型的大腦振盪是根據其頻率特徵來界定的。這些被稱為頻段，並可與不同的腦狀態相關聯：
圖 7 – 典型 EEG 中的腦波。
3.2. 為什麼不同的頻帶很重要？
識別正常與異常的大腦圖案
神經振盪對於神經科學中檢測癲癇發作和診斷癲癇具有重要意義。腦機介面 (BCI)
beta、gamma 和 mu 振盪的量通常用於訓練遠程設備（例如用思想移動輪椅）。神經反饋
這是一種大腦訓練形式，在此訓練中你可以查看自己的腦電波（例如 gamma 振盪）並參與認知任务，以提高大腦中 gamma 振盪的量。神經神經網路行銷
alpha 和 beta 頻帶可用於確定廣告的哪一部分更能吸引人、或者吸引力較小。
3.3. EEG 數據分析的類型
最常見的研究人員是在時域或頻域中進行分析。
時域分析
通常在刺激發生後的感興趣時間點測量電壓振幅。這些被稱為事件相關電位（ERP）。
頻域分析
通常測量在確定的時間窗口內或與事件發生相關的不同頻頻段中神經振盪的量。
接下來我們提供頻域分析的概述。
3.4. 數據處理
在您進行 EEG 記錄之後，您通常會在理解振盪之前清理數據。
濾波
一種用於消除數據中高頻和低頻環境噪聲的技術。去除偽影
身體移動、眨眼都可能導致巨大的偽影（EEG 中 > 50 µV 的峰值）。這些可以被移除，這樣它們就不會影響我們的結果。一些研究人員使用先進的方法來糾正這些偽影以保留數據。
數據處理完成後，現在可以將信號轉換為頻域，以便我們可以量化每種腦電波的數量。
圖 8 – 原始 EEG 中的眨眼偽影。
3.5. 快速傅立葉變換 (FFT)
傅立葉變換是 EEG 信號從「時域」（圖像 A）到「頻域（圖像 B）」的數學轉換。
在頻域中，我們可以量化我們記錄中每種振盪的數量。這通常是頻段的「功率」，並可以顯示為功率譜（圖像 B）。
圖 9A – 時域中的原始 EEG。
圖 9B – FFT 後的功率譜（頻域）。
3.6. 頻段功率
從傅立葉變換中獲得的頻段功率（例如 Alpha 頻段）能告訴我們每個頻段有多少。頻段功率單位通常為 µV2/Hz。大多數情況下，FFT 的振幅或功率譜顯示在對數單位分貝 (dB) 中。分貝是測量功率 (P) 與參考功率 (Pr) 之間比率的單位，如下所示：
一旦獲得感興趣事件的這一測量單位，便可以比較頻段功率以了解實驗對腦電波的影響。
4. 從理論到實踐
接下來，我們將著眼於 alpha 抑制效應。
這是 Hans Berger 首次報告的一種現象，其中我們看到，與閉眼時相比，當有人睜開眼睛時，alpha 振盪（alpha 功率）大減。
圖 10 – 眼睛睜開時可以看到 alpha 振盪增加。
首先，使用 EmotivPRO Builder，我們建立了一個簡單的實驗。在該實驗中，受試者僅被要求保持眼睛睜開 2 分鐘，同時專注於屏幕，然後閉上 2 分鐘。他們會在 2 分鐘結束時聽到鐘聲，以信號提示他們睜開眼睛。
您可以觀看下面的影片來自己建立 alpha 抑制實驗，或者您可以從這裡的鏈接運行我們的實驗：
4.1. 設備佩戴和 EEG 質量
在此處閱讀更多關於我們 EQ 門如何工作的資訊。在此處查找專門針對您耳機的設備佩戴資訊：
EPOC 類型
Insight 類型
4.2. 處理和轉換 EEG 數據
現在您已擁有數據，您可以使用 Emotiv Analyzer 將其轉換為頻域。遵循影片中的步驟。
4.3. 解讀數據
Analyzer 完成後，下載 zip 文件。對於每條記錄，您將獲得一個包含頻段功率的 csv 文件以及一個可用於運行您自己統計分析的圖像文件。
圖 11 – 頻段功率。
在我們的輸出中，我們可以看到與睜眼時（藍色）相比，閉眼時（橙色）Alpha 功率的增加。
我們的教程到此結束！您現在已掌握了基本知識 🙂
您可以在資源部分中找到一些指向更高級閱讀材料的連結。
5. 資源
高級閱讀
Donoghue et al. 2022 研究神經振盪的方法學考慮
EEG 術語詞彙表
Kane et al. 2017 （此處）
開源代碼
如果您熟悉 Python 編碼，我們已提供了 Python 腳本，您可以使用它們獲取通過眼睛睜開和眼睛閉合片段標記的 alpha 功率值。在此處查找代碼和示例 Alpha 抑制數據文件：https://osf.io/9bvgh/
Emotiv 手冊
EmotivPRO Builder 手冊
EmotivPRO 手冊
EmotivPRO Analyzer 手冊
7. 參考文獻
Donoghue, T., Schaworonkow, N. and Voytek, B., 2022. Methodological considerations for studying neural oscillations. European journal of neuroscience, 55(11-12), pp.3502-3527. doi: https://doi.org/10.1111/ejn.15361
Kane, N., Acharya, J., Beniczky, S., Caboclo, L., Finnigan, S., Kaplan, P.W., Shibasaki, H., Pressler, R. and van Putten, M.J., 2017. A revised glossary of terms most commonly used by clinical electroencephalographers and updated proposal for the report format of the EEG findings. Revision 2017. Clinical neurophysiology practice, 2, p.170. doi: 10.1016/j.cnp.2017.07.002
Siuly, S., Li, Y., Zhang, Y. (2016). Electroencephalogram (EEG) and Its Background. In: EEG Signal Analysis and Classification. Health Information Science. Springer, Cham. doi: https://doi.org/10.1007/978-3-319-47653-7%5F1
1. 導言
歡迎！在本教程中，我們將學習腦電波以及如何使用它們來理解大腦和行為。
Hans Berger 於 1929 年創造了腦電圖（electroencephalogram）一詞，當時他描述了使用放置在人頭部上的傳感器記錄的電位變化。他發現了兩種腦電波，他將其簡單地稱為 alpha 和 beta 波，原因僅在於他記錄它們的順序。這些波在其他哺乳動物身上也有被記錄過，但 Berger 是首次在人類身上描述它們！
從那時起，腦電圖（EEG）方法已成為神經科學的關鍵工具，並幫助演變了我們對腦電波（研究人員稱為神經振盪（neural oscillations））的理解，並有助於描繪大腦狀態，如疲勞和清醒。
在本簡短教程中，我們將涵蓋以下內容：
什麼是神經振盪？
我們如何測量神經振盪？
我們能用神經振盪做什麼？
使用 Emotiv 設備和軟體的實際應用。
2. 什麼是 EEG？
腦電圖（EEG）是一種測量我們大腦電活動的非侵入性且被動的方法。電極/傳感器/通道被放置在頭皮上，以記錄由成群的大腦細胞（稱為神經元）所產生的電活動。
圖 1 – 神經元產生可通過 EEG 設備檢測到的電活動 [Siuly, et al. (2016)]。
2.1. EEG 系統
市場上有許多可用於記錄 EEG 的 EEG 設備。EEG 設備的範圍可能包括：
單個傳感器至高達 256 個電極 – 更多電極將在整個頭皮上產生更高的空間分辨率信息。
濕或乾電極 – 濕電極使用電解凝膠或鹽水溶液來提高頭皮與傳感器之間的傳導性。乾電極可以是金屬或導電聚合物，需要與頭皮直接接觸。
主動或被動電極 – 被動電極系統只需將信號傳導至放大信號的設備。主動電極系統在每個電極處放大信號，然後再傳送至設備進行放大。這減少了信號中的環境電噪聲。
通過藍牙傳輸數據的有線或無線設備。
圖 2 – 無線、低密度 EEG 系統。
圖 3 – 有線、高密度電極 EEG 系統。
2.2. 何時使用 EEG？
每種神經影像學方法都可以幫助回答不同的研究問題。
EEG 的最大優勢在於它能以毫秒為單位測量神經活動，這可以測量前意識過程。
圖 4 – 不同神經影像工具的空間與時間分辨率。
它最適合用於回答諸如「受試者最關注我的影片的哪些部分？」等問題。
EEG 主要記錄來自大腦外層的活動（即空間分辨率較低）。使用單個傳感器，是無法確定活動來源的。使用大量通道進行記錄可以通過數學方式重建來源，但在識別深層來源方面仍然受限。功能性磁共振成像（fMRI）更適合解答如「大腦的哪一部分與注意力的變化相關？」等問題。
2.3. 傳感器到原始 EEG 訊號？
一旦 EEG 設備戴在頭上，就可感應在單個傳感器測量大腦活動，此為該傳感器與參考傳感器之間的振幅差。在大多數 EEG 系統中，這被稱為共模感應（CMS）電極。一個額外的傳感器，右腿驅動（DRL），有助於減少 CMS 處任何干擾。
圖 5 – 簡單的 EEG 信號傳輸方塊圖。
在同時具有主動和被動電極的系統中，信號隨後會被放大並進行低通濾波。低通濾波是消除信號中可能來自環境的電干擾（例如主電源線）的步驟。
這些步驟在原始 EEG 信號顯示在計算機屏幕上之前在硬件本身中進行。
2.4. 常見基礎術語
10-20 標準命名惯例
左側傳感器通常為單數編號，右側傳感器通常為雙數編號。
附註 1：這些僅僅是命名惯例，EEG 傳感器位置的來源並不指示活動的來源。
附註 2：需要進行諸如數學重建來源等額外步驟，以確定單個通道處活動的來源。
3. 什麼是神經振盪？
腦電波通常被稱為神經振盪，是由單個或一組神經元產生的有規律圖案。
目前尚不清楚為什麼大腦會產生這些不同類型的振盪，雖然有很多理論。研究人員使用不同的任務來表徵這些振盪活動，並旨在利用這些有規律圖案來探索大腦的神秘面紗。
3.1. 振盪的某些屬性
下圖顯示了常規電信號的測量結果：
圖 6 – 不同神經影像工具的空間與時間分辨率。
在左側（y 軸）我們可以繪製電記錄的振幅，在橫軸（x 軸）繪製時間。信號的振幅將繞中心點呈規律性地發生強度變化。一個週期也稱為一次振盪。
每秒的週期數稱為波的頻率，單位為赫茲（Hz）。因此，每秒 1 個週期 = 1 Hz。振幅通常以微伏（µV）測量。
在大腦中，我們可以看到頻率範圍從 0.2 Hz（極慢波）到 80 Hz 或更多（極快波）的電波。大腦中也能記錄到與癲癇發作相關、高達 500 Hz 的高頻活動。
不同類型的大腦振盪是根據其頻率特徵來界定的。這些被稱為頻段，並可與不同的腦狀態相關聯：
圖 7 – 典型 EEG 中的腦波。
3.2. 為什麼不同的頻帶很重要？
識別正常與異常的大腦圖案
神經振盪對於神經科學中檢測癲癇發作和診斷癲癇具有重要意義。腦機介面 (BCI)
beta、gamma 和 mu 振盪的量通常用於訓練遠程設備（例如用思想移動輪椅）。神經反饋
這是一種大腦訓練形式，在此訓練中你可以查看自己的腦電波（例如 gamma 振盪）並參與認知任务，以提高大腦中 gamma 振盪的量。神經神經網路行銷
alpha 和 beta 頻帶可用於確定廣告的哪一部分更能吸引人、或者吸引力較小。
3.3. EEG 數據分析的類型
最常見的研究人員是在時域或頻域中進行分析。
時域分析
通常在刺激發生後的感興趣時間點測量電壓振幅。這些被稱為事件相關電位（ERP）。
頻域分析
通常測量在確定的時間窗口內或與事件發生相關的不同頻頻段中神經振盪的量。
接下來我們提供頻域分析的概述。
3.4. 數據處理
在您進行 EEG 記錄之後，您通常會在理解振盪之前清理數據。
濾波
一種用於消除數據中高頻和低頻環境噪聲的技術。去除偽影
身體移動、眨眼都可能導致巨大的偽影（EEG 中 > 50 µV 的峰值）。這些可以被移除，這樣它們就不會影響我們的結果。一些研究人員使用先進的方法來糾正這些偽影以保留數據。
數據處理完成後，現在可以將信號轉換為頻域，以便我們可以量化每種腦電波的數量。
圖 8 – 原始 EEG 中的眨眼偽影。
3.5. 快速傅立葉變換 (FFT)
傅立葉變換是 EEG 信號從「時域」（圖像 A）到「頻域（圖像 B）」的數學轉換。
在頻域中，我們可以量化我們記錄中每種振盪的數量。這通常是頻段的「功率」，並可以顯示為功率譜（圖像 B）。
圖 9A – 時域中的原始 EEG。
圖 9B – FFT 後的功率譜（頻域）。
3.6. 頻段功率
從傅立葉變換中獲得的頻段功率（例如 Alpha 頻段）能告訴我們每個頻段有多少。頻段功率單位通常為 µV2/Hz。大多數情況下，FFT 的振幅或功率譜顯示在對數單位分貝 (dB) 中。分貝是測量功率 (P) 與參考功率 (Pr) 之間比率的單位，如下所示：
一旦獲得感興趣事件的這一測量單位，便可以比較頻段功率以了解實驗對腦電波的影響。
4. 從理論到實踐
接下來，我們將著眼於 alpha 抑制效應。
這是 Hans Berger 首次報告的一種現象，其中我們看到，與閉眼時相比，當有人睜開眼睛時，alpha 振盪（alpha 功率）大減。
圖 10 – 眼睛睜開時可以看到 alpha 振盪增加。
首先，使用 EmotivPRO Builder，我們建立了一個簡單的實驗。在該實驗中，受試者僅被要求保持眼睛睜開 2 分鐘，同時專注於屏幕，然後閉上 2 分鐘。他們會在 2 分鐘結束時聽到鐘聲，以信號提示他們睜開眼睛。
您可以觀看下面的影片來自己建立 alpha 抑制實驗，或者您可以從這裡的鏈接運行我們的實驗：
4.1. 設備佩戴和 EEG 質量
在此處閱讀更多關於我們 EQ 門如何工作的資訊。在此處查找專門針對您耳機的設備佩戴資訊：
EPOC 類型
Insight 類型
4.2. 處理和轉換 EEG 數據
現在您已擁有數據，您可以使用 Emotiv Analyzer 將其轉換為頻域。遵循影片中的步驟。
4.3. 解讀數據
Analyzer 完成後，下載 zip 文件。對於每條記錄，您將獲得一個包含頻段功率的 csv 文件以及一個可用於運行您自己統計分析的圖像文件。
圖 11 – 頻段功率。
在我們的輸出中，我們可以看到與睜眼時（藍色）相比，閉眼時（橙色）Alpha 功率的增加。
我們的教程到此結束！您現在已掌握了基本知識 🙂
您可以在資源部分中找到一些指向更高級閱讀材料的連結。
5. 資源
高級閱讀
Donoghue et al. 2022 研究神經振盪的方法學考慮
EEG 術語詞彙表
Kane et al. 2017 （此處）
開源代碼
如果您熟悉 Python 編碼，我們已提供了 Python 腳本，您可以使用它們獲取通過眼睛睜開和眼睛閉合片段標記的 alpha 功率值。在此處查找代碼和示例 Alpha 抑制數據文件：https://osf.io/9bvgh/
Emotiv 手冊
EmotivPRO Builder 手冊
EmotivPRO 手冊
EmotivPRO Analyzer 手冊
7. 參考文獻
Donoghue, T., Schaworonkow, N. and Voytek, B., 2022. Methodological considerations for studying neural oscillations. European journal of neuroscience, 55(11-12), pp.3502-3527. doi: https://doi.org/10.1111/ejn.15361
Kane, N., Acharya, J., Beniczky, S., Caboclo, L., Finnigan, S., Kaplan, P.W., Shibasaki, H., Pressler, R. and van Putten, M.J., 2017. A revised glossary of terms most commonly used by clinical electroencephalographers and updated proposal for the report format of the EEG findings. Revision 2017. Clinical neurophysiology practice, 2, p.170. doi: 10.1016/j.cnp.2017.07.002
Siuly, S., Li, Y., Zhang, Y. (2016). Electroencephalogram (EEG) and Its Background. In: EEG Signal Analysis and Classification. Health Information Science. Springer, Cham. doi: https://doi.org/10.1007/978-3-319-47653-7%5F1
1. 導言
歡迎！在本教程中，我們將學習腦電波以及如何使用它們來理解大腦和行為。
Hans Berger 於 1929 年創造了腦電圖（electroencephalogram）一詞，當時他描述了使用放置在人頭部上的傳感器記錄的電位變化。他發現了兩種腦電波，他將其簡單地稱為 alpha 和 beta 波，原因僅在於他記錄它們的順序。這些波在其他哺乳動物身上也有被記錄過，但 Berger 是首次在人類身上描述它們！
從那時起，腦電圖（EEG）方法已成為神經科學的關鍵工具，並幫助演變了我們對腦電波（研究人員稱為神經振盪（neural oscillations））的理解，並有助於描繪大腦狀態，如疲勞和清醒。
在本簡短教程中，我們將涵蓋以下內容：
什麼是神經振盪？
我們如何測量神經振盪？
我們能用神經振盪做什麼？
使用 Emotiv 設備和軟體的實際應用。
2. 什麼是 EEG？
腦電圖（EEG）是一種測量我們大腦電活動的非侵入性且被動的方法。電極/傳感器/通道被放置在頭皮上，以記錄由成群的大腦細胞（稱為神經元）所產生的電活動。
圖 1 – 神經元產生可通過 EEG 設備檢測到的電活動 [Siuly, et al. (2016)]。
2.1. EEG 系統
市場上有許多可用於記錄 EEG 的 EEG 設備。EEG 設備的範圍可能包括：
單個傳感器至高達 256 個電極 – 更多電極將在整個頭皮上產生更高的空間分辨率信息。
濕或乾電極 – 濕電極使用電解凝膠或鹽水溶液來提高頭皮與傳感器之間的傳導性。乾電極可以是金屬或導電聚合物，需要與頭皮直接接觸。
主動或被動電極 – 被動電極系統只需將信號傳導至放大信號的設備。主動電極系統在每個電極處放大信號，然後再傳送至設備進行放大。這減少了信號中的環境電噪聲。
通過藍牙傳輸數據的有線或無線設備。
圖 2 – 無線、低密度 EEG 系統。
圖 3 – 有線、高密度電極 EEG 系統。
2.2. 何時使用 EEG？
每種神經影像學方法都可以幫助回答不同的研究問題。
EEG 的最大優勢在於它能以毫秒為單位測量神經活動，這可以測量前意識過程。
圖 4 – 不同神經影像工具的空間與時間分辨率。
它最適合用於回答諸如「受試者最關注我的影片的哪些部分？」等問題。
EEG 主要記錄來自大腦外層的活動（即空間分辨率較低）。使用單個傳感器，是無法確定活動來源的。使用大量通道進行記錄可以通過數學方式重建來源，但在識別深層來源方面仍然受限。功能性磁共振成像（fMRI）更適合解答如「大腦的哪一部分與注意力的變化相關？」等問題。
2.3. 傳感器到原始 EEG 訊號？
一旦 EEG 設備戴在頭上，就可感應在單個傳感器測量大腦活動，此為該傳感器與參考傳感器之間的振幅差。在大多數 EEG 系統中，這被稱為共模感應（CMS）電極。一個額外的傳感器，右腿驅動（DRL），有助於減少 CMS 處任何干擾。
圖 5 – 簡單的 EEG 信號傳輸方塊圖。
在同時具有主動和被動電極的系統中，信號隨後會被放大並進行低通濾波。低通濾波是消除信號中可能來自環境的電干擾（例如主電源線）的步驟。
這些步驟在原始 EEG 信號顯示在計算機屏幕上之前在硬件本身中進行。
2.4. 常見基礎術語
10-20 標準命名惯例
左側傳感器通常為單數編號，右側傳感器通常為雙數編號。
附註 1：這些僅僅是命名惯例，EEG 傳感器位置的來源並不指示活動的來源。
附註 2：需要進行諸如數學重建來源等額外步驟，以確定單個通道處活動的來源。
3. 什麼是神經振盪？
腦電波通常被稱為神經振盪，是由單個或一組神經元產生的有規律圖案。
目前尚不清楚為什麼大腦會產生這些不同類型的振盪，雖然有很多理論。研究人員使用不同的任務來表徵這些振盪活動，並旨在利用這些有規律圖案來探索大腦的神秘面紗。
3.1. 振盪的某些屬性
下圖顯示了常規電信號的測量結果：
圖 6 – 不同神經影像工具的空間與時間分辨率。
在左側（y 軸）我們可以繪製電記錄的振幅，在橫軸（x 軸）繪製時間。信號的振幅將繞中心點呈規律性地發生強度變化。一個週期也稱為一次振盪。
每秒的週期數稱為波的頻率，單位為赫茲（Hz）。因此，每秒 1 個週期 = 1 Hz。振幅通常以微伏（µV）測量。
在大腦中，我們可以看到頻率範圍從 0.2 Hz（極慢波）到 80 Hz 或更多（極快波）的電波。大腦中也能記錄到與癲癇發作相關、高達 500 Hz 的高頻活動。
不同類型的大腦振盪是根據其頻率特徵來界定的。這些被稱為頻段，並可與不同的腦狀態相關聯：
圖 7 – 典型 EEG 中的腦波。
3.2. 為什麼不同的頻帶很重要？
識別正常與異常的大腦圖案
神經振盪對於神經科學中檢測癲癇發作和診斷癲癇具有重要意義。腦機介面 (BCI)
beta、gamma 和 mu 振盪的量通常用於訓練遠程設備（例如用思想移動輪椅）。神經反饋
這是一種大腦訓練形式，在此訓練中你可以查看自己的腦電波（例如 gamma 振盪）並參與認知任务，以提高大腦中 gamma 振盪的量。神經神經網路行銷
alpha 和 beta 頻帶可用於確定廣告的哪一部分更能吸引人、或者吸引力較小。
3.3. EEG 數據分析的類型
最常見的研究人員是在時域或頻域中進行分析。
時域分析
通常在刺激發生後的感興趣時間點測量電壓振幅。這些被稱為事件相關電位（ERP）。
頻域分析
通常測量在確定的時間窗口內或與事件發生相關的不同頻頻段中神經振盪的量。
接下來我們提供頻域分析的概述。
3.4. 數據處理
在您進行 EEG 記錄之後，您通常會在理解振盪之前清理數據。
濾波
一種用於消除數據中高頻和低頻環境噪聲的技術。去除偽影
身體移動、眨眼都可能導致巨大的偽影（EEG 中 > 50 µV 的峰值）。這些可以被移除，這樣它們就不會影響我們的結果。一些研究人員使用先進的方法來糾正這些偽影以保留數據。
數據處理完成後，現在可以將信號轉換為頻域，以便我們可以量化每種腦電波的數量。
圖 8 – 原始 EEG 中的眨眼偽影。
3.5. 快速傅立葉變換 (FFT)
傅立葉變換是 EEG 信號從「時域」（圖像 A）到「頻域（圖像 B）」的數學轉換。
在頻域中，我們可以量化我們記錄中每種振盪的數量。這通常是頻段的「功率」，並可以顯示為功率譜（圖像 B）。
圖 9A – 時域中的原始 EEG。
圖 9B – FFT 後的功率譜（頻域）。
3.6. 頻段功率
從傅立葉變換中獲得的頻段功率（例如 Alpha 頻段）能告訴我們每個頻段有多少。頻段功率單位通常為 µV2/Hz。大多數情況下，FFT 的振幅或功率譜顯示在對數單位分貝 (dB) 中。分貝是測量功率 (P) 與參考功率 (Pr) 之間比率的單位，如下所示：
一旦獲得感興趣事件的這一測量單位，便可以比較頻段功率以了解實驗對腦電波的影響。
4. 從理論到實踐
接下來，我們將著眼於 alpha 抑制效應。
這是 Hans Berger 首次報告的一種現象，其中我們看到，與閉眼時相比，當有人睜開眼睛時，alpha 振盪（alpha 功率）大減。
圖 10 – 眼睛睜開時可以看到 alpha 振盪增加。
首先，使用 EmotivPRO Builder，我們建立了一個簡單的實驗。在該實驗中，受試者僅被要求保持眼睛睜開 2 分鐘，同時專注於屏幕，然後閉上 2 分鐘。他們會在 2 分鐘結束時聽到鐘聲，以信號提示他們睜開眼睛。
您可以觀看下面的影片來自己建立 alpha 抑制實驗，或者您可以從這裡的鏈接運行我們的實驗：
4.1. 設備佩戴和 EEG 質量
在此處閱讀更多關於我們 EQ 門如何工作的資訊。在此處查找專門針對您耳機的設備佩戴資訊：
EPOC 類型
Insight 類型
4.2. 處理和轉換 EEG 數據
現在您已擁有數據，您可以使用 Emotiv Analyzer 將其轉換為頻域。遵循影片中的步驟。
4.3. 解讀數據
Analyzer 完成後，下載 zip 文件。對於每條記錄，您將獲得一個包含頻段功率的 csv 文件以及一個可用於運行您自己統計分析的圖像文件。
圖 11 – 頻段功率。
在我們的輸出中，我們可以看到與睜眼時（藍色）相比，閉眼時（橙色）Alpha 功率的增加。
我們的教程到此結束！您現在已掌握了基本知識 🙂
您可以在資源部分中找到一些指向更高級閱讀材料的連結。
5. 資源
高級閱讀
Donoghue et al. 2022 研究神經振盪的方法學考慮
EEG 術語詞彙表
Kane et al. 2017 （此處）
開源代碼
如果您熟悉 Python 編碼，我們已提供了 Python 腳本，您可以使用它們獲取通過眼睛睜開和眼睛閉合片段標記的 alpha 功率值。在此處查找代碼和示例 Alpha 抑制數據文件：https://osf.io/9bvgh/
Emotiv 手冊
EmotivPRO Builder 手冊
EmotivPRO 手冊
EmotivPRO Analyzer 手冊
7. 參考文獻
Donoghue, T., Schaworonkow, N. and Voytek, B., 2022. Methodological considerations for studying neural oscillations. European journal of neuroscience, 55(11-12), pp.3502-3527. doi: https://doi.org/10.1111/ejn.15361
Kane, N., Acharya, J., Beniczky, S., Caboclo, L., Finnigan, S., Kaplan, P.W., Shibasaki, H., Pressler, R. and van Putten, M.J., 2017. A revised glossary of terms most commonly used by clinical electroencephalographers and updated proposal for the report format of the EEG findings. Revision 2017. Clinical neurophysiology practice, 2, p.170. doi: 10.1016/j.cnp.2017.07.002
Siuly, S., Li, Y., Zhang, Y. (2016). Electroencephalogram (EEG) and Its Background. In: EEG Signal Analysis and Classification. Health Information Science. Springer, Cham. doi: https://doi.org/10.1007/978-3-319-47653-7%5F1
繼續閱讀