
如何為您的研究選擇合適的腦電圖 (EEG) 系統
克里斯蒂安·布爾戈斯
更新於
2026年11月13日

如何為您的研究選擇合適的腦電圖 (EEG) 系統
克里斯蒂安·布爾戈斯
更新於
2026年11月13日

如何為您的研究選擇合適的腦電圖 (EEG) 系統
克里斯蒂安·布爾戈斯
更新於
2026年11月13日
選擇腦電圖(EEG)系統是研究人員在規劃研究時最早要做的決定之一,但這不應該從比較產品規格開始。在評估通道數量、電極類型或採樣率之前,研究人員應首先定義他們想要測量什麼、研究將在何處進行,以及如何收集和分析數據。一旦明確了這些要求,比較 EEG 系統就會變得更有意義,因為每項技術特性都可以在研究本身的背景下進行評估。
本文並非推薦某款特定設備,而是提供一個實用的框架,幫助您根據科學目標、實驗設計、受試者和研究環境來選擇 EEG 系統。
定義您的研究需求
最重要的問題不是「我應該購買哪套 EEG 系統?」而是「我的研究需要什麼?」
不同的研究問題對 EEG 系統有不同的要求。探討事件相關電位(ERP)的實驗室研究,其技術需求與在工作場所測量心理負荷的現場研究,或需要即時數據串流的腦機介面(BCI)實驗截然不同。
在比較硬體規格之前,請考慮以下問題:
我正在測量什麼認知過程?
受試者會保持坐姿還是自然移動?
研究會在實驗室還是真實世界環境中進行?
我需要連續的 EEG 記錄、事件相關電位還是即時數據?
我將使用哪種軟體來分析數據?
先深入思考這些問題,可以確立您的 EEG 系統必須滿足的要求。對 EEG 方法學的文獻回顧一致強調,研究目標應指導整個研究設計中的方法學決策,包括數據收集和分析 [1]。
重點總結 #1:在評估 EEG 硬體之前,請先定義您的研究需求。
使系統與您的研究目標相匹配
一旦確定了研究需求,您就可以開始評估哪種系統最能支援這些需求。
不同類型的研究會優先考慮不同的功能。ERP 研究依賴於精確的事件計時和可重複的神經反應。檢驗心理負荷或認知疲勞的研究通常需要受試者在較長的記錄過程中保持舒適。BCI 應用可能強調低延遲串流傳輸、軟體整合和即時處理,而自然情境研究則可能優先考慮便攜性和快速部署。
沒有單一的 EEG 系統能在所有場景中都表現同樣出色。相反,研究人員應評估系統的功能與其研究的具體需求有多契合。Pinegger 等人通過比較用於 BCI 應用的多個 EEG 採集系統證明了這一原則,表明系統的適用性取決於預期的應用,而非任何單一的性能指標 [2]。
重點總結 #2:最好的 EEG 系統是其功能最符合您研究目標的系統。
研究類型 | 最重要的考量 | 應提出的關鍵問題 |
|---|---|---|
ERP 研究 | 精確的事件計時、可重複的反應 | 事件標記有多精準?標記能否與刺激軟體同步? |
心理負荷與疲勞 | 長時間記錄中的舒適度與穩定訊號 | 電池續航時間有多長?感應器會變乾嗎? |
腦機介面 | 低延遲串流、軟體整合 | 是否有 API?數據能否即時串流? |
自然情境與現場研究 | 便攜性、快速設置、無線記錄 | 能否在附近沒有電腦的情況下進行記錄?設置需要多長時間? |
評估關鍵特性
一旦您了解了哪些技術特性直接支援您的研究目標,比較 EEG 系統就會變得容易得多。
通道數量
EEG 通道數量會影響所記錄大腦活動的空間解析度。更多的通道數量可以提供更詳細的空間資訊並支援進階分析,但也會增加設置時間、複雜性以及必須處理的數據量。
對於許多研究來說,額外的通道能提供有意義的科學價值。而對於其他研究,它們可能會增加不必要的複雜性,卻無助於更好地回答研究問題。
電極類型
乾式、鹽水式和凝膠式電極各有不同的優勢。
研究人員應考慮設置時間、受試者舒適度、維護要求和記錄品質等因素,而不是假設某種電極類型普遍優於其他電極。
電極類型 | 準備工作 | 實驗過程注意事項 | 維護保養 |
|---|---|---|---|
鹽水式(毛氈墊) | 每次記錄前弄濕毛氈墊 | 毛氈墊在長時間記錄中可能會變乾 | 重新弄濕並更換毛氈 |
半乾式聚合物 | 滴幾滴溶液 | 1–2 分鐘即可設置完畢 | 需隨時間更換感應器端頭 |
乾式(扁平或梳狀) | 無 | 不受毛氈墊變乾的限制;受試者之間無需清理 | 極少維護 |
凝膠式(Ag/AgCl) | 在每個感應器上塗抹凝膠 | 公認的實驗室標準 | 每次記錄後需進行清潔 |
採樣率
採樣率決定了記錄 EEG 訊號的頻率,應根據所研究現象的時間特徵進行選擇。較高的採樣率可能有利於某些應用,但許多認知神經科學研究無需將此規格最大化即可實現其目標。
移動性與電池續航
便攜式 EEG 系統使研究能夠超越傳統的實驗室環境,涵蓋教室、工作場所、診所和社區環境。如果受試者需要自然移動,或者記錄將在受控實驗室條件之外進行,那麼便攜性和電池續航力將成為重要的設計考量。
重點總結 #3:評估技術規格時應著眼於它們與您研究的相關性,而不是因為它們代表了可用的最高數值。
規格 | Insight | Epoc X | EPOC X PRO |
|---|---|---|---|
通道數 | 5 | 14 | 16 |
感測器類型 | 半乾式聚合物 | 鹽水毛氈墊 | 可互換乾式,相容鹽水式 |
採樣率 | 128 SPS | 128 或 256 SPS | 128 或 256 Hz(未來韌體可達 512 Hz) |
解析度 | 16-bit | 14 或 16-bit | 24-bit |
電池 | 長達 20 小時 | 長達 9 小時(USB 接收器),6 小時(藍牙) | 未註明;以 256 Hz 進行機載記錄超過 8 小時 |
連線能力 | 藍牙 LE | 藍牙 LE 或 USB 接收器 | 藍牙與 Wi-Fi 6 |
價格 | $499 | $1,199 | $15,000(預購價 $10,000) |
在數據需求與實用性之間取得平衡
選擇 EEG 系統通常涉及在競爭性的優先事項之間進行權衡,而不是將每項技術規格都拉到極致。
例如,高密度 EEG 系統可以提供更高的空間解析度,但它也會增加設置時間、受試者疲勞度以及數據收集的複雜性。相反,便攜式系統可能會犧牲一些空間細節,但使在教室、工作場所或偏遠社區開展研究成為可能,而在這些地方使用傳統實驗室設備是不切實際的。
研究人員還應記住,EEG 系統只是影響數據品質的一個因素。實驗設計、受試者特徵、記錄條件和不同階段之間的變異性,都會影響 EEG 數據的品質和可靠性。
Melnik 等人發現,變異性源自多個方面,包括記錄系統、受試者以及記錄階段本身,這凸顯了考慮整個研究過程而非僅僅專注於硬體的重要性 [3]。
實用性考量也會影響誰能夠參與研究。Bhavnani 等人展示了在偏遠社區使用便攜式設備收集高品質靜息態 EEG 記錄的可行性,說明了穿戴式神經技術的進步如何有助於解決長期以來與地理受限的研究族群相關的挑戰 [4]。
重點總結 #4:合適的 EEG 系統能在技術性能與開展研究的實際現實之間取得平衡。
跳出硬體的局限來思考
EEG 系統不僅僅是受試者佩戴的 headset。周圍的軟體生態系統對研究專案的效率和靈活性具有同樣重要的影響。
在選擇系統之前,研究人員應考慮在整個研究過程中如何收集、管理、分析和共用 EEG 數據。值得提出的問題包括:
原始 EEG 數據能否匯出以進行獨立分析?
該系統是否與 MATLAB、Python、EEGLAB、Lab Streaming Layer (LSL) 或 PsychoPy 等軟體相容?
該平台是否支援精確的 ERP 實驗事件標記?
研究人員能否輕鬆管理受試者和記錄階段?
隨著研究需求的發展,該軟體能否支援未來的研究?
設備電池能否支援實驗方案的持續時間?
選擇一個能夠順暢整合到現有研究工作流程中的系統,可以減少行政管理開銷、簡化分析並提高整個專案的可重複性。一旦數據收集開始,這些考量往往會變得與硬體規格同等重要。
重點總結 #5:評估完整的研究生態系統,而不僅僅是 EEG 硬體。
研究人員的問題 | 尋找的要素 | 在 Emotiv 生態系統中 |
|---|---|---|
原始 EEG 能否匯出? | 標準格式 | 在 EmotivPRO 中進行 CSV 和 EDF 匯出(Standard 方案或更高版本) |
它能否與我的工具整合? | MATLAB、Python、EEGLAB、PsychoPy、LSL | EmotivPRO Standard Team 和 Performance 中的 LSL 串流;適用於自訂流程的 Cortex API |
它是否支援 ERP 事件標記? | 帶時間戳記的標記 | EmotivPRO 中的事件標記;EPOC X PRO 時間戳記同步精準至約 1 毫秒 |
我能否管理團隊和記錄階段? | 共用數據、權限 | 擁有 2 個以上席位授權的組織數據共用 |
電池能否撐過整個實驗流程? | 與實驗時長相匹配的電池 | 見表 3 |
研究人員核對清單
當您縮小了選擇範圍時,挑選 EEG 系統應該不再那麼像在比較產品,而更像是在評估哪套系統最能支援您的研究。在做出決定之前,請花點時間確認您的研究需求已被清晰定義。
捫心自問:
我試圖回答什麼科學問題?
我將測量哪些認知過程或神經訊號?
受試者將在何處完成研究?
受試者會保持靜止還是自然移動?
多少個記錄通道適合我的研究目標?
哪種電極類型最適合我的受試者和研究設計?
我是否需要精確的事件標記、即時數據串流,還是兩者都需要?
我將使用哪種軟體來收集、分析和匯出 EEG 數據?
該系統在滿足我目前專案的同時,是否具有足夠的靈活性以適應未來的研究?
這些問題提供了一個實用的評估框架,讓您根據研究需求來評估 EEG 系統,而不是孤立地比較規格。一旦您的要求明確,選擇最合適的系統就會成為一個更為明智的決定。
關鍵重點
從您的研究問題開始,而不是硬體。
在比較 EEG 系統之前,先定義您研究的技術和實際需求。
根據通道數量、電極類型、移動性和軟體相容性如何支援您的研究目標來評估這些規格。
請記住,受試者的舒適度、記錄環境和實驗設計都會影響數據品質。
選擇最符合您科學目標的 EEG 系統,而不是功能列表最長的那款。
將您的評估框架付諸實踐
您已經建立了一個根據研究目標評估 EEG 系統的框架。現在,將 Emotiv EEG 系統進行並排比較,看看通道數量、電極技術、軟體相容性、移動性和其他特性方面的差異如何支援不同類型的研究。
建議閱讀
如何設計事件相關電位(ERP)研究
參考文獻
[1] H. Zhang et al., "The Applied Principles of EEG Analysis Methods in Neuroscience and Clinical Neurology," Military Medical Research, vol. 10, no. 67, 2023.
[2] A. Pinegger, S. C. Wriessnegger, J. Faller, and G. R. Müller-Putz, "Evaluation of Different EEG Acquisition Systems Concerning Their Suitability for Building a Brain-Computer Interface: Case Studies," Frontiers in Neuroscience, vol. 10, Art. no. 441, 2016.
[3] A. Melnik et al., "Systems, Subjects, Sessions: To What Extent Do These Factors Influence EEG Data?" Frontiers in Human Neuroscience, vol. 11, Art. no. 150, 2017.
[4] S. Bhavnani et al., "The Acceptability, Feasibility, and Utility of Portable Electroencephalography to Study Resting-State Neurophysiology in Rural Communities," Frontiers in Human Neuroscience, vol. 16, Art. no. 802764, 2022.
[5] N. S. Williams, G. M. McArthur, B. De Wit, G. Ibrahim, and N. A. Badcock, "A Validation of Emotiv EPOC Flex Saline for EEG and ERP Research," PeerJ, vol. 8, e9713, 2020.
[6] N. S. Williams, G. M. McArthur, and N. A. Badcock, "It's All About Time: Precision and Accuracy of Emotiv Event-Marking for ERP Research," PeerJ, vol. 9, e10700, 2021.
[7] M. Duvinage et al., "Performance of the Emotiv Epoc Headset for P300-Based Applications," BioMedical Engineering OnLine, vol. 12, no. 56, 2013.
選擇腦電圖(EEG)系統是研究人員在規劃研究時最早要做的決定之一,但這不應該從比較產品規格開始。在評估通道數量、電極類型或採樣率之前,研究人員應首先定義他們想要測量什麼、研究將在何處進行,以及如何收集和分析數據。一旦明確了這些要求,比較 EEG 系統就會變得更有意義,因為每項技術特性都可以在研究本身的背景下進行評估。
本文並非推薦某款特定設備,而是提供一個實用的框架,幫助您根據科學目標、實驗設計、受試者和研究環境來選擇 EEG 系統。
定義您的研究需求
最重要的問題不是「我應該購買哪套 EEG 系統?」而是「我的研究需要什麼?」
不同的研究問題對 EEG 系統有不同的要求。探討事件相關電位(ERP)的實驗室研究,其技術需求與在工作場所測量心理負荷的現場研究,或需要即時數據串流的腦機介面(BCI)實驗截然不同。
在比較硬體規格之前,請考慮以下問題:
我正在測量什麼認知過程?
受試者會保持坐姿還是自然移動?
研究會在實驗室還是真實世界環境中進行?
我需要連續的 EEG 記錄、事件相關電位還是即時數據?
我將使用哪種軟體來分析數據?
先深入思考這些問題,可以確立您的 EEG 系統必須滿足的要求。對 EEG 方法學的文獻回顧一致強調,研究目標應指導整個研究設計中的方法學決策,包括數據收集和分析 [1]。
重點總結 #1:在評估 EEG 硬體之前,請先定義您的研究需求。
使系統與您的研究目標相匹配
一旦確定了研究需求,您就可以開始評估哪種系統最能支援這些需求。
不同類型的研究會優先考慮不同的功能。ERP 研究依賴於精確的事件計時和可重複的神經反應。檢驗心理負荷或認知疲勞的研究通常需要受試者在較長的記錄過程中保持舒適。BCI 應用可能強調低延遲串流傳輸、軟體整合和即時處理,而自然情境研究則可能優先考慮便攜性和快速部署。
沒有單一的 EEG 系統能在所有場景中都表現同樣出色。相反,研究人員應評估系統的功能與其研究的具體需求有多契合。Pinegger 等人通過比較用於 BCI 應用的多個 EEG 採集系統證明了這一原則,表明系統的適用性取決於預期的應用,而非任何單一的性能指標 [2]。
重點總結 #2:最好的 EEG 系統是其功能最符合您研究目標的系統。
研究類型 | 最重要的考量 | 應提出的關鍵問題 |
|---|---|---|
ERP 研究 | 精確的事件計時、可重複的反應 | 事件標記有多精準?標記能否與刺激軟體同步? |
心理負荷與疲勞 | 長時間記錄中的舒適度與穩定訊號 | 電池續航時間有多長?感應器會變乾嗎? |
腦機介面 | 低延遲串流、軟體整合 | 是否有 API?數據能否即時串流? |
自然情境與現場研究 | 便攜性、快速設置、無線記錄 | 能否在附近沒有電腦的情況下進行記錄?設置需要多長時間? |
評估關鍵特性
一旦您了解了哪些技術特性直接支援您的研究目標,比較 EEG 系統就會變得容易得多。
通道數量
EEG 通道數量會影響所記錄大腦活動的空間解析度。更多的通道數量可以提供更詳細的空間資訊並支援進階分析,但也會增加設置時間、複雜性以及必須處理的數據量。
對於許多研究來說,額外的通道能提供有意義的科學價值。而對於其他研究,它們可能會增加不必要的複雜性,卻無助於更好地回答研究問題。
電極類型
乾式、鹽水式和凝膠式電極各有不同的優勢。
研究人員應考慮設置時間、受試者舒適度、維護要求和記錄品質等因素,而不是假設某種電極類型普遍優於其他電極。
電極類型 | 準備工作 | 實驗過程注意事項 | 維護保養 |
|---|---|---|---|
鹽水式(毛氈墊) | 每次記錄前弄濕毛氈墊 | 毛氈墊在長時間記錄中可能會變乾 | 重新弄濕並更換毛氈 |
半乾式聚合物 | 滴幾滴溶液 | 1–2 分鐘即可設置完畢 | 需隨時間更換感應器端頭 |
乾式(扁平或梳狀) | 無 | 不受毛氈墊變乾的限制;受試者之間無需清理 | 極少維護 |
凝膠式(Ag/AgCl) | 在每個感應器上塗抹凝膠 | 公認的實驗室標準 | 每次記錄後需進行清潔 |
採樣率
採樣率決定了記錄 EEG 訊號的頻率,應根據所研究現象的時間特徵進行選擇。較高的採樣率可能有利於某些應用,但許多認知神經科學研究無需將此規格最大化即可實現其目標。
移動性與電池續航
便攜式 EEG 系統使研究能夠超越傳統的實驗室環境,涵蓋教室、工作場所、診所和社區環境。如果受試者需要自然移動,或者記錄將在受控實驗室條件之外進行,那麼便攜性和電池續航力將成為重要的設計考量。
重點總結 #3:評估技術規格時應著眼於它們與您研究的相關性,而不是因為它們代表了可用的最高數值。
規格 | Insight | Epoc X | EPOC X PRO |
|---|---|---|---|
通道數 | 5 | 14 | 16 |
感測器類型 | 半乾式聚合物 | 鹽水毛氈墊 | 可互換乾式,相容鹽水式 |
採樣率 | 128 SPS | 128 或 256 SPS | 128 或 256 Hz(未來韌體可達 512 Hz) |
解析度 | 16-bit | 14 或 16-bit | 24-bit |
電池 | 長達 20 小時 | 長達 9 小時(USB 接收器),6 小時(藍牙) | 未註明;以 256 Hz 進行機載記錄超過 8 小時 |
連線能力 | 藍牙 LE | 藍牙 LE 或 USB 接收器 | 藍牙與 Wi-Fi 6 |
價格 | $499 | $1,199 | $15,000(預購價 $10,000) |
在數據需求與實用性之間取得平衡
選擇 EEG 系統通常涉及在競爭性的優先事項之間進行權衡,而不是將每項技術規格都拉到極致。
例如,高密度 EEG 系統可以提供更高的空間解析度,但它也會增加設置時間、受試者疲勞度以及數據收集的複雜性。相反,便攜式系統可能會犧牲一些空間細節,但使在教室、工作場所或偏遠社區開展研究成為可能,而在這些地方使用傳統實驗室設備是不切實際的。
研究人員還應記住,EEG 系統只是影響數據品質的一個因素。實驗設計、受試者特徵、記錄條件和不同階段之間的變異性,都會影響 EEG 數據的品質和可靠性。
Melnik 等人發現,變異性源自多個方面,包括記錄系統、受試者以及記錄階段本身,這凸顯了考慮整個研究過程而非僅僅專注於硬體的重要性 [3]。
實用性考量也會影響誰能夠參與研究。Bhavnani 等人展示了在偏遠社區使用便攜式設備收集高品質靜息態 EEG 記錄的可行性,說明了穿戴式神經技術的進步如何有助於解決長期以來與地理受限的研究族群相關的挑戰 [4]。
重點總結 #4:合適的 EEG 系統能在技術性能與開展研究的實際現實之間取得平衡。
跳出硬體的局限來思考
EEG 系統不僅僅是受試者佩戴的 headset。周圍的軟體生態系統對研究專案的效率和靈活性具有同樣重要的影響。
在選擇系統之前,研究人員應考慮在整個研究過程中如何收集、管理、分析和共用 EEG 數據。值得提出的問題包括:
原始 EEG 數據能否匯出以進行獨立分析?
該系統是否與 MATLAB、Python、EEGLAB、Lab Streaming Layer (LSL) 或 PsychoPy 等軟體相容?
該平台是否支援精確的 ERP 實驗事件標記?
研究人員能否輕鬆管理受試者和記錄階段?
隨著研究需求的發展,該軟體能否支援未來的研究?
設備電池能否支援實驗方案的持續時間?
選擇一個能夠順暢整合到現有研究工作流程中的系統,可以減少行政管理開銷、簡化分析並提高整個專案的可重複性。一旦數據收集開始,這些考量往往會變得與硬體規格同等重要。
重點總結 #5:評估完整的研究生態系統,而不僅僅是 EEG 硬體。
研究人員的問題 | 尋找的要素 | 在 Emotiv 生態系統中 |
|---|---|---|
原始 EEG 能否匯出? | 標準格式 | 在 EmotivPRO 中進行 CSV 和 EDF 匯出(Standard 方案或更高版本) |
它能否與我的工具整合? | MATLAB、Python、EEGLAB、PsychoPy、LSL | EmotivPRO Standard Team 和 Performance 中的 LSL 串流;適用於自訂流程的 Cortex API |
它是否支援 ERP 事件標記? | 帶時間戳記的標記 | EmotivPRO 中的事件標記;EPOC X PRO 時間戳記同步精準至約 1 毫秒 |
我能否管理團隊和記錄階段? | 共用數據、權限 | 擁有 2 個以上席位授權的組織數據共用 |
電池能否撐過整個實驗流程? | 與實驗時長相匹配的電池 | 見表 3 |
研究人員核對清單
當您縮小了選擇範圍時,挑選 EEG 系統應該不再那麼像在比較產品,而更像是在評估哪套系統最能支援您的研究。在做出決定之前,請花點時間確認您的研究需求已被清晰定義。
捫心自問:
我試圖回答什麼科學問題?
我將測量哪些認知過程或神經訊號?
受試者將在何處完成研究?
受試者會保持靜止還是自然移動?
多少個記錄通道適合我的研究目標?
哪種電極類型最適合我的受試者和研究設計?
我是否需要精確的事件標記、即時數據串流,還是兩者都需要?
我將使用哪種軟體來收集、分析和匯出 EEG 數據?
該系統在滿足我目前專案的同時,是否具有足夠的靈活性以適應未來的研究?
這些問題提供了一個實用的評估框架,讓您根據研究需求來評估 EEG 系統,而不是孤立地比較規格。一旦您的要求明確,選擇最合適的系統就會成為一個更為明智的決定。
關鍵重點
從您的研究問題開始,而不是硬體。
在比較 EEG 系統之前,先定義您研究的技術和實際需求。
根據通道數量、電極類型、移動性和軟體相容性如何支援您的研究目標來評估這些規格。
請記住,受試者的舒適度、記錄環境和實驗設計都會影響數據品質。
選擇最符合您科學目標的 EEG 系統,而不是功能列表最長的那款。
將您的評估框架付諸實踐
您已經建立了一個根據研究目標評估 EEG 系統的框架。現在,將 Emotiv EEG 系統進行並排比較,看看通道數量、電極技術、軟體相容性、移動性和其他特性方面的差異如何支援不同類型的研究。
建議閱讀
如何設計事件相關電位(ERP)研究
參考文獻
[1] H. Zhang et al., "The Applied Principles of EEG Analysis Methods in Neuroscience and Clinical Neurology," Military Medical Research, vol. 10, no. 67, 2023.
[2] A. Pinegger, S. C. Wriessnegger, J. Faller, and G. R. Müller-Putz, "Evaluation of Different EEG Acquisition Systems Concerning Their Suitability for Building a Brain-Computer Interface: Case Studies," Frontiers in Neuroscience, vol. 10, Art. no. 441, 2016.
[3] A. Melnik et al., "Systems, Subjects, Sessions: To What Extent Do These Factors Influence EEG Data?" Frontiers in Human Neuroscience, vol. 11, Art. no. 150, 2017.
[4] S. Bhavnani et al., "The Acceptability, Feasibility, and Utility of Portable Electroencephalography to Study Resting-State Neurophysiology in Rural Communities," Frontiers in Human Neuroscience, vol. 16, Art. no. 802764, 2022.
[5] N. S. Williams, G. M. McArthur, B. De Wit, G. Ibrahim, and N. A. Badcock, "A Validation of Emotiv EPOC Flex Saline for EEG and ERP Research," PeerJ, vol. 8, e9713, 2020.
[6] N. S. Williams, G. M. McArthur, and N. A. Badcock, "It's All About Time: Precision and Accuracy of Emotiv Event-Marking for ERP Research," PeerJ, vol. 9, e10700, 2021.
[7] M. Duvinage et al., "Performance of the Emotiv Epoc Headset for P300-Based Applications," BioMedical Engineering OnLine, vol. 12, no. 56, 2013.
選擇腦電圖(EEG)系統是研究人員在規劃研究時最早要做的決定之一,但這不應該從比較產品規格開始。在評估通道數量、電極類型或採樣率之前,研究人員應首先定義他們想要測量什麼、研究將在何處進行,以及如何收集和分析數據。一旦明確了這些要求,比較 EEG 系統就會變得更有意義,因為每項技術特性都可以在研究本身的背景下進行評估。
本文並非推薦某款特定設備,而是提供一個實用的框架,幫助您根據科學目標、實驗設計、受試者和研究環境來選擇 EEG 系統。
定義您的研究需求
最重要的問題不是「我應該購買哪套 EEG 系統?」而是「我的研究需要什麼?」
不同的研究問題對 EEG 系統有不同的要求。探討事件相關電位(ERP)的實驗室研究,其技術需求與在工作場所測量心理負荷的現場研究,或需要即時數據串流的腦機介面(BCI)實驗截然不同。
在比較硬體規格之前,請考慮以下問題:
我正在測量什麼認知過程?
受試者會保持坐姿還是自然移動?
研究會在實驗室還是真實世界環境中進行?
我需要連續的 EEG 記錄、事件相關電位還是即時數據?
我將使用哪種軟體來分析數據?
先深入思考這些問題,可以確立您的 EEG 系統必須滿足的要求。對 EEG 方法學的文獻回顧一致強調,研究目標應指導整個研究設計中的方法學決策,包括數據收集和分析 [1]。
重點總結 #1:在評估 EEG 硬體之前,請先定義您的研究需求。
使系統與您的研究目標相匹配
一旦確定了研究需求,您就可以開始評估哪種系統最能支援這些需求。
不同類型的研究會優先考慮不同的功能。ERP 研究依賴於精確的事件計時和可重複的神經反應。檢驗心理負荷或認知疲勞的研究通常需要受試者在較長的記錄過程中保持舒適。BCI 應用可能強調低延遲串流傳輸、軟體整合和即時處理,而自然情境研究則可能優先考慮便攜性和快速部署。
沒有單一的 EEG 系統能在所有場景中都表現同樣出色。相反,研究人員應評估系統的功能與其研究的具體需求有多契合。Pinegger 等人通過比較用於 BCI 應用的多個 EEG 採集系統證明了這一原則,表明系統的適用性取決於預期的應用,而非任何單一的性能指標 [2]。
重點總結 #2:最好的 EEG 系統是其功能最符合您研究目標的系統。
研究類型 | 最重要的考量 | 應提出的關鍵問題 |
|---|---|---|
ERP 研究 | 精確的事件計時、可重複的反應 | 事件標記有多精準?標記能否與刺激軟體同步? |
心理負荷與疲勞 | 長時間記錄中的舒適度與穩定訊號 | 電池續航時間有多長?感應器會變乾嗎? |
腦機介面 | 低延遲串流、軟體整合 | 是否有 API?數據能否即時串流? |
自然情境與現場研究 | 便攜性、快速設置、無線記錄 | 能否在附近沒有電腦的情況下進行記錄?設置需要多長時間? |
評估關鍵特性
一旦您了解了哪些技術特性直接支援您的研究目標,比較 EEG 系統就會變得容易得多。
通道數量
EEG 通道數量會影響所記錄大腦活動的空間解析度。更多的通道數量可以提供更詳細的空間資訊並支援進階分析,但也會增加設置時間、複雜性以及必須處理的數據量。
對於許多研究來說,額外的通道能提供有意義的科學價值。而對於其他研究,它們可能會增加不必要的複雜性,卻無助於更好地回答研究問題。
電極類型
乾式、鹽水式和凝膠式電極各有不同的優勢。
研究人員應考慮設置時間、受試者舒適度、維護要求和記錄品質等因素,而不是假設某種電極類型普遍優於其他電極。
電極類型 | 準備工作 | 實驗過程注意事項 | 維護保養 |
|---|---|---|---|
鹽水式(毛氈墊) | 每次記錄前弄濕毛氈墊 | 毛氈墊在長時間記錄中可能會變乾 | 重新弄濕並更換毛氈 |
半乾式聚合物 | 滴幾滴溶液 | 1–2 分鐘即可設置完畢 | 需隨時間更換感應器端頭 |
乾式(扁平或梳狀) | 無 | 不受毛氈墊變乾的限制;受試者之間無需清理 | 極少維護 |
凝膠式(Ag/AgCl) | 在每個感應器上塗抹凝膠 | 公認的實驗室標準 | 每次記錄後需進行清潔 |
採樣率
採樣率決定了記錄 EEG 訊號的頻率,應根據所研究現象的時間特徵進行選擇。較高的採樣率可能有利於某些應用,但許多認知神經科學研究無需將此規格最大化即可實現其目標。
移動性與電池續航
便攜式 EEG 系統使研究能夠超越傳統的實驗室環境,涵蓋教室、工作場所、診所和社區環境。如果受試者需要自然移動,或者記錄將在受控實驗室條件之外進行,那麼便攜性和電池續航力將成為重要的設計考量。
重點總結 #3:評估技術規格時應著眼於它們與您研究的相關性,而不是因為它們代表了可用的最高數值。
規格 | Insight | Epoc X | EPOC X PRO |
|---|---|---|---|
通道數 | 5 | 14 | 16 |
感測器類型 | 半乾式聚合物 | 鹽水毛氈墊 | 可互換乾式,相容鹽水式 |
採樣率 | 128 SPS | 128 或 256 SPS | 128 或 256 Hz(未來韌體可達 512 Hz) |
解析度 | 16-bit | 14 或 16-bit | 24-bit |
電池 | 長達 20 小時 | 長達 9 小時(USB 接收器),6 小時(藍牙) | 未註明;以 256 Hz 進行機載記錄超過 8 小時 |
連線能力 | 藍牙 LE | 藍牙 LE 或 USB 接收器 | 藍牙與 Wi-Fi 6 |
價格 | $499 | $1,199 | $15,000(預購價 $10,000) |
在數據需求與實用性之間取得平衡
選擇 EEG 系統通常涉及在競爭性的優先事項之間進行權衡,而不是將每項技術規格都拉到極致。
例如,高密度 EEG 系統可以提供更高的空間解析度,但它也會增加設置時間、受試者疲勞度以及數據收集的複雜性。相反,便攜式系統可能會犧牲一些空間細節,但使在教室、工作場所或偏遠社區開展研究成為可能,而在這些地方使用傳統實驗室設備是不切實際的。
研究人員還應記住,EEG 系統只是影響數據品質的一個因素。實驗設計、受試者特徵、記錄條件和不同階段之間的變異性,都會影響 EEG 數據的品質和可靠性。
Melnik 等人發現,變異性源自多個方面,包括記錄系統、受試者以及記錄階段本身,這凸顯了考慮整個研究過程而非僅僅專注於硬體的重要性 [3]。
實用性考量也會影響誰能夠參與研究。Bhavnani 等人展示了在偏遠社區使用便攜式設備收集高品質靜息態 EEG 記錄的可行性,說明了穿戴式神經技術的進步如何有助於解決長期以來與地理受限的研究族群相關的挑戰 [4]。
重點總結 #4:合適的 EEG 系統能在技術性能與開展研究的實際現實之間取得平衡。
跳出硬體的局限來思考
EEG 系統不僅僅是受試者佩戴的 headset。周圍的軟體生態系統對研究專案的效率和靈活性具有同樣重要的影響。
在選擇系統之前,研究人員應考慮在整個研究過程中如何收集、管理、分析和共用 EEG 數據。值得提出的問題包括:
原始 EEG 數據能否匯出以進行獨立分析?
該系統是否與 MATLAB、Python、EEGLAB、Lab Streaming Layer (LSL) 或 PsychoPy 等軟體相容?
該平台是否支援精確的 ERP 實驗事件標記?
研究人員能否輕鬆管理受試者和記錄階段?
隨著研究需求的發展,該軟體能否支援未來的研究?
設備電池能否支援實驗方案的持續時間?
選擇一個能夠順暢整合到現有研究工作流程中的系統,可以減少行政管理開銷、簡化分析並提高整個專案的可重複性。一旦數據收集開始,這些考量往往會變得與硬體規格同等重要。
重點總結 #5:評估完整的研究生態系統,而不僅僅是 EEG 硬體。
研究人員的問題 | 尋找的要素 | 在 Emotiv 生態系統中 |
|---|---|---|
原始 EEG 能否匯出? | 標準格式 | 在 EmotivPRO 中進行 CSV 和 EDF 匯出(Standard 方案或更高版本) |
它能否與我的工具整合? | MATLAB、Python、EEGLAB、PsychoPy、LSL | EmotivPRO Standard Team 和 Performance 中的 LSL 串流;適用於自訂流程的 Cortex API |
它是否支援 ERP 事件標記? | 帶時間戳記的標記 | EmotivPRO 中的事件標記;EPOC X PRO 時間戳記同步精準至約 1 毫秒 |
我能否管理團隊和記錄階段? | 共用數據、權限 | 擁有 2 個以上席位授權的組織數據共用 |
電池能否撐過整個實驗流程? | 與實驗時長相匹配的電池 | 見表 3 |
研究人員核對清單
當您縮小了選擇範圍時,挑選 EEG 系統應該不再那麼像在比較產品,而更像是在評估哪套系統最能支援您的研究。在做出決定之前,請花點時間確認您的研究需求已被清晰定義。
捫心自問:
我試圖回答什麼科學問題?
我將測量哪些認知過程或神經訊號?
受試者將在何處完成研究?
受試者會保持靜止還是自然移動?
多少個記錄通道適合我的研究目標?
哪種電極類型最適合我的受試者和研究設計?
我是否需要精確的事件標記、即時數據串流,還是兩者都需要?
我將使用哪種軟體來收集、分析和匯出 EEG 數據?
該系統在滿足我目前專案的同時,是否具有足夠的靈活性以適應未來的研究?
這些問題提供了一個實用的評估框架,讓您根據研究需求來評估 EEG 系統,而不是孤立地比較規格。一旦您的要求明確,選擇最合適的系統就會成為一個更為明智的決定。
關鍵重點
從您的研究問題開始,而不是硬體。
在比較 EEG 系統之前,先定義您研究的技術和實際需求。
根據通道數量、電極類型、移動性和軟體相容性如何支援您的研究目標來評估這些規格。
請記住,受試者的舒適度、記錄環境和實驗設計都會影響數據品質。
選擇最符合您科學目標的 EEG 系統,而不是功能列表最長的那款。
將您的評估框架付諸實踐
您已經建立了一個根據研究目標評估 EEG 系統的框架。現在,將 Emotiv EEG 系統進行並排比較,看看通道數量、電極技術、軟體相容性、移動性和其他特性方面的差異如何支援不同類型的研究。
建議閱讀
如何設計事件相關電位(ERP)研究
參考文獻
[1] H. Zhang et al., "The Applied Principles of EEG Analysis Methods in Neuroscience and Clinical Neurology," Military Medical Research, vol. 10, no. 67, 2023.
[2] A. Pinegger, S. C. Wriessnegger, J. Faller, and G. R. Müller-Putz, "Evaluation of Different EEG Acquisition Systems Concerning Their Suitability for Building a Brain-Computer Interface: Case Studies," Frontiers in Neuroscience, vol. 10, Art. no. 441, 2016.
[3] A. Melnik et al., "Systems, Subjects, Sessions: To What Extent Do These Factors Influence EEG Data?" Frontiers in Human Neuroscience, vol. 11, Art. no. 150, 2017.
[4] S. Bhavnani et al., "The Acceptability, Feasibility, and Utility of Portable Electroencephalography to Study Resting-State Neurophysiology in Rural Communities," Frontiers in Human Neuroscience, vol. 16, Art. no. 802764, 2022.
[5] N. S. Williams, G. M. McArthur, B. De Wit, G. Ibrahim, and N. A. Badcock, "A Validation of Emotiv EPOC Flex Saline for EEG and ERP Research," PeerJ, vol. 8, e9713, 2020.
[6] N. S. Williams, G. M. McArthur, and N. A. Badcock, "It's All About Time: Precision and Accuracy of Emotiv Event-Marking for ERP Research," PeerJ, vol. 9, e10700, 2021.
[7] M. Duvinage et al., "Performance of the Emotiv Epoc Headset for P300-Based Applications," BioMedical Engineering OnLine, vol. 12, no. 56, 2013.

繼續閱讀