挑戰您的記憶力！在Emotiv App中玩新的N-Back遊戲
1. 介紹
歡迎！在本教程中，我們將學習有關腦波以及如何使用它們來理解大腦和行為的知識。
漢斯·伯格於 1929 年創造了腦電圖術語，他描述了使用放置在人頭部的傳感器記錄的電位變化。他識別出兩種類型的腦波，並將其命名為阿爾法波和貝塔波，僅僅是因為他記錄它們的順序。這種波動曾在其他哺乳動物中記錄過，但伯格是首次在人類中描述它們！
從那時起，腦電圖法已成為神經科學中的關鍵工具，並幫助我們進一步理解腦波（研究人員稱之為神經振盪），並有助於表徵諸如疲勞和清醒等大腦狀態。
在這個簡短的教程中，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？
我們可以用神經振盪做什麼？
使用 Emotiv 設備和軟件的實際應用。
2. 什麼是腦電圖（EEG）？
腦電圖（EEG）是一種非侵入性和被動性的方法，用於測量我們大腦的電活動。電極/傳感器/通道被放置在頭皮上，以記錄由稱為神經元的大腦細胞群體生成的電活動。
圖 1 – 神經元產生的電活動可以用腦電圖設備檢測到 [Siuly 等人 (2016)]。
2.1. 腦電圖系統
市場上有許多腦電圖設備可用於記錄腦電圖。腦電圖設備可以從具有以下特徵範圍：
單個傳感器或多達 256 個電極——更多的電極可以提供更高空間分辨率的信息覆蓋整個頭皮。
濕電極或乾電極——濕電極使用電解凝膠或生理鹽水溶液來改善頭皮和傳感器之間的導電性。乾電極可以是金屬的或需要直接接觸頭皮的導電聚合物。
主動或被動電極——被動電極系統只是將信號傳到設備中進行放大。主動電極系統在每個電極上放大信號後再傳到設備中進行放大。這可以在信號中減少環境電噪聲。
有線或無線設備通過藍牙傳輸數據。
圖 2 – 無線、低密度的腦電圖系統。
圖 3 – 有線、高密度電極的腦電圖系統。
2.2. 何時使用腦電圖（EEG）？
每種神經成像方法都可以幫助回答不同的研究問題。
腦電圖的最大優勢在於它能在毫秒級別測量神經活動，能夠測量前意識過程。
圖 4 – 空間與時間對比分辨率的不同神經成像工具。
它最適合回答諸如“參與者最關注我視頻的哪些部分？”這樣的問題。
腦電圖主要記錄來自大腦的外層活動（即空間分辨率較低）。用一個傳感器無法確定活動的來源。用大量通道進行記錄可以數學地重建來源，但在識別深層來源上仍然有限。功能性磁共振成像（fMRI）更適合回答如“哪部分大腦與注意力的變化有關？”這類問題。
2.3. 傳感器到原始腦電圖（EEG）？
一旦將腦電設備裝置到頭部，腦活動就會在單個傳感器上，以該傳感器和參考傳感器之間的幅度差異進行測量。在大多數腦電系統中，這稱為共模感知（CMS）電極。附加傳感器，稱為驅動右腿（DRL），有助於減少 CMS 的任何干擾。
圖 5 – 腦電信號傳輸的簡化框圖。
在同時具有主動和被動電極的系統中，然後信號被放大並進行低通濾波。低通濾波是一個步驟，可以消除環境中的電干擾，例如主電源線。
這些步驟在硬件本身中發生，然後才能在您的計算機屏幕上查看原始腦電波信號。
2.4. 一些基本術語
10-20 標準命名法
左側傳感器通常是奇數編號，右側傳感器通常是偶數編號。
註1: 這些只是命名約定，腦電傳感器位置的來源並不表示活動來源。
註2: 需要採取額外步驟，例如數學重建源，以確定單個通道上的活動來源。
3. 什麼是神經振盪？
腦波，通常稱為神經振盪，是由單個或一組神經元產生的節律模式。
目前尚不清楚為什麼大腦會產生這些不同類型的振盪，儘管有許多理論。研究人員使用不同的任務來表徵這些振盪活動，並試圖利用這些節律模式理解大腦的奧秘。
3.1. 振盪的一些特性
此圖顯示了對常規電信號的測量：
圖 6 – 空間與時間對比分辨率的不同神經成像工具。
在左側 (y 軸)，我們可以繪製電記錄的幅度，而在水平軸 (x 軸)，則是時間。信號幅度將圍繞中心點以規則方式變化。一次週期也稱為一次振盪。
每秒週期數稱為波的頻率，單位是赫茲 (Hz)。所以每秒 1 週期 = 1 Hz。幅度通常測量為微伏特 (µV)。
在大腦中，我們可以看到頻率範圍從 0.2 Hz（非常慢的波）到 80 Hz 或更多（非常快的波）。與癲癇發作相關的高頻活動（可達 500 Hz）也可以在大腦中記錄到。
不同類型的腦振盪是根據其頻率進行表徵的，這些被稱為頻帶，並且可以與不同的大腦狀態相關聯：
圖 7 – 典型腦電圖中的腦波。
3.2. 為什麼不同頻帶很重要？
識別正常與異常的腦模式
神經振盪對於檢測癲癇發作和神經病學中癲癇的診斷非常重要。腦機接口（BCI）
通常使用貝塔、伽馬和穆振盪來訓練遠程設備（例如，用思想移動輪椅）。神經反饋
這是一種腦訓練，您可以觀看您的腦波（例如伽馬振盪），並參與認知任務以提高腦內的伽馬振盪量。神經營銷
阿爾法和貝塔頻帶可以用來確定廣告的哪些部分更具吸引力或更不具吸引力。
3.3. EEG 數據分析的類型
研究人員通常在時間域或頻率域中進行分析。
時間域分析
通常在刺激開始後，測量時間點的電壓幅度。這些稱為事件相關電位（ERPs）。
頻率域分析
通常測量定義時間窗口中不同頻帶中的神經振盪量或與事件開始有關。
接下來我們提供頻率域分析的概述。
3.4. 處理
錄製腦電圖後，通常需要對數據進行清理，然後纔能理解振盪。
濾波
一種消除數據中高低頻環境噪聲的技術。人工去除
身體運動、眼球眨動都可能造成大的人為產生的干擾（> 50 µV 的腦電波峰值）。可以去除這些干擾，以免它們影響我們的結果。一些研究人員使用先進的方法來糾正這些干擾，以保留數據。
數據經處理後，信號現在可以轉換為頻率域，以便量化每種類型的腦波
圖 8 – 原始腦電圖中的眼球眨動干擾。
3.5. 快速傅立葉變換（FFT）
傅立葉變換是將腦電信號從“時間域”（圖 A）轉換為“頻率域（圖 B）”的數學轉換。
在頻率域中，我們可以量化在我們的記錄中每種類型的振盪有多少。這通常是頻帶的“功率”，可以顯示為功率譜（圖 B）。
圖 9A – 時域中的原始腦電圖。
圖 9B – FFT 後的功率譜（頻率域）。
3.6. 頻帶功率
從傅立葉變換獲得的頻帶（例如阿爾法帶）的功率告訴我們每個頻帶中有多少。頻帶功率單位通常為 µV2/Hz。大多數情況下，來自 FFT 的幅度或功率譜以對數單位分貝（dB）顯示。分貝是一種將測量功率（P）與參考功率 (Pr) 計算比率的單位，如下所示：
一旦獲得該測量單位用於感興趣的事件，頻帶功率可以用來比較以了解實驗對腦波的影響。
4. 從理論到實踐
接下來，我們將探討阿爾法抑制效應。
這是由漢斯·伯格首次報告的現象，當一個人睜眼時，我們會看到阿爾法振盪（阿爾法功率）顯著減少，而閉眼時則會增加。
圖 10 – 當雙眼睜開時，可以看到阿爾法振盪的增加。
首先使用 EmotivPRO Builder 我們構建了一個簡單的實驗。在這個實驗中，參與者被要求睜眼 2 分鐘專注於屏幕，然後閉眼 2 分鐘。他們會在 2 分鐘結束時聽到鈴聲打開自己的眼睛。
您可以通過下面的視頻來創建自己的阿爾法抑制實驗，或者您可以從以下鏈接運行我們的實驗：
4.1. 設備裝配和腦電圖質量
閱讀有關我們的 EQ 閘門如何工作的信息。找到有關特定於您耳機的設備裝配的更多信息：
EPOC 類型
Insight 類型
4.2. 處理和轉換腦電圖數據
現在您已有數據，您可以使用 Emotiv Analyzer 將其轉換為頻率域。按照視頻中的步驟。
4.3. 解釋數據
一旦分析器完成，下載壓縮文件。對於每個記錄，您將有一個包含頻帶功率的 csv 文件和圖像文件可供您進行自己的統計分析。
圖 11 – 頻帶功率。
在我們的輸出中，我們可以看到當雙眼閉上（橙色）時阿爾法功率增加，相較於當雙眼睜開時（藍色）。
這就是我們教程的結尾！ 您現在已具備基礎知識 🙂
您可以在資源部分找到一些進階閱讀的鏈接。
5. 資源
進階閱讀
Donoghue et al. 2022 研究神經振盪的方法考量
腦電圖術語詞彙
Kane et al. 2017 (這裡)
開源代碼
如果您熟悉 Python 編碼，我們提供了 Python 腳本，您可以用來獲取由眼睛張開和閉合段標記的阿爾法功率值。找到代碼和示例 Alpha Suppression 數據文件在這裡： 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. 和 Voytek, B., 2022. 研究神經振盪的方法考量。歐洲神經科學雜誌, 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. 和 van Putten, M.J., 2017. 臨床腦電圖醫生最常用術語的修訂詞彙以及報告格式的最新建議。修訂版 2017. Clinical neurophysiology practice, 2, p.170. doi: 10.1016/j.cnp.2017.07.002
Siuly, S., Li, Y., Zhang, Y. (2016). 腦電圖（EEG）及其背景。在：EEG 信號分析和分類。健康信息科學。施普林格，尚普。doi: https://doi.org/10.1007/978-3-319-47653-7%5F1
1. 介紹
歡迎！在本教程中，我們將學習有關腦波以及如何使用它們來理解大腦和行為的知識。
漢斯·伯格於 1929 年創造了腦電圖術語，他描述了使用放置在人頭部的傳感器記錄的電位變化。他識別出兩種類型的腦波，並將其命名為阿爾法波和貝塔波，僅僅是因為他記錄它們的順序。這種波動曾在其他哺乳動物中記錄過，但伯格是首次在人類中描述它們！
從那時起，腦電圖法已成為神經科學中的關鍵工具，並幫助我們進一步理解腦波（研究人員稱之為神經振盪），並有助於表徵諸如疲勞和清醒等大腦狀態。
在這個簡短的教程中，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？
我們可以用神經振盪做什麼？
使用 Emotiv 設備和軟件的實際應用。
2. 什麼是腦電圖（EEG）？
腦電圖（EEG）是一種非侵入性和被動性的方法，用於測量我們大腦的電活動。電極/傳感器/通道被放置在頭皮上，以記錄由稱為神經元的大腦細胞群體生成的電活動。
圖 1 – 神經元產生的電活動可以用腦電圖設備檢測到 [Siuly 等人 (2016)]。
2.1. 腦電圖系統
市場上有許多腦電圖設備可用於記錄腦電圖。腦電圖設備可以從具有以下特徵範圍：
單個傳感器或多達 256 個電極——更多的電極可以提供更高空間分辨率的信息覆蓋整個頭皮。
濕電極或乾電極——濕電極使用電解凝膠或生理鹽水溶液來改善頭皮和傳感器之間的導電性。乾電極可以是金屬的或需要直接接觸頭皮的導電聚合物。
主動或被動電極——被動電極系統只是將信號傳到設備中進行放大。主動電極系統在每個電極上放大信號後再傳到設備中進行放大。這可以在信號中減少環境電噪聲。
有線或無線設備通過藍牙傳輸數據。
圖 2 – 無線、低密度的腦電圖系統。
圖 3 – 有線、高密度電極的腦電圖系統。
2.2. 何時使用腦電圖（EEG）？
每種神經成像方法都可以幫助回答不同的研究問題。
腦電圖的最大優勢在於它能在毫秒級別測量神經活動，能夠測量前意識過程。
圖 4 – 空間與時間對比分辨率的不同神經成像工具。
它最適合回答諸如“參與者最關注我視頻的哪些部分？”這樣的問題。
腦電圖主要記錄來自大腦的外層活動（即空間分辨率較低）。用一個傳感器無法確定活動的來源。用大量通道進行記錄可以數學地重建來源，但在識別深層來源上仍然有限。功能性磁共振成像（fMRI）更適合回答如“哪部分大腦與注意力的變化有關？”這類問題。
2.3. 傳感器到原始腦電圖（EEG）？
一旦將腦電設備裝置到頭部，腦活動就會在單個傳感器上，以該傳感器和參考傳感器之間的幅度差異進行測量。在大多數腦電系統中，這稱為共模感知（CMS）電極。附加傳感器，稱為驅動右腿（DRL），有助於減少 CMS 的任何干擾。
圖 5 – 腦電信號傳輸的簡化框圖。
在同時具有主動和被動電極的系統中，然後信號被放大並進行低通濾波。低通濾波是一個步驟，可以消除環境中的電干擾，例如主電源線。
這些步驟在硬件本身中發生，然後才能在您的計算機屏幕上查看原始腦電波信號。
2.4. 一些基本術語
10-20 標準命名法
左側傳感器通常是奇數編號，右側傳感器通常是偶數編號。
註1: 這些只是命名約定，腦電傳感器位置的來源並不表示活動來源。
註2: 需要採取額外步驟，例如數學重建源，以確定單個通道上的活動來源。
3. 什麼是神經振盪？
腦波，通常稱為神經振盪，是由單個或一組神經元產生的節律模式。
目前尚不清楚為什麼大腦會產生這些不同類型的振盪，儘管有許多理論。研究人員使用不同的任務來表徵這些振盪活動，並試圖利用這些節律模式理解大腦的奧秘。
3.1. 振盪的一些特性
此圖顯示了對常規電信號的測量：
圖 6 – 空間與時間對比分辨率的不同神經成像工具。
在左側 (y 軸)，我們可以繪製電記錄的幅度，而在水平軸 (x 軸)，則是時間。信號幅度將圍繞中心點以規則方式變化。一次週期也稱為一次振盪。
每秒週期數稱為波的頻率，單位是赫茲 (Hz)。所以每秒 1 週期 = 1 Hz。幅度通常測量為微伏特 (µV)。
在大腦中，我們可以看到頻率範圍從 0.2 Hz（非常慢的波）到 80 Hz 或更多（非常快的波）。與癲癇發作相關的高頻活動（可達 500 Hz）也可以在大腦中記錄到。
不同類型的腦振盪是根據其頻率進行表徵的，這些被稱為頻帶，並且可以與不同的大腦狀態相關聯：
圖 7 – 典型腦電圖中的腦波。
3.2. 為什麼不同頻帶很重要？
識別正常與異常的腦模式
神經振盪對於檢測癲癇發作和神經病學中癲癇的診斷非常重要。腦機接口（BCI）
通常使用貝塔、伽馬和穆振盪來訓練遠程設備（例如，用思想移動輪椅）。神經反饋
這是一種腦訓練，您可以觀看您的腦波（例如伽馬振盪），並參與認知任務以提高腦內的伽馬振盪量。神經營銷
阿爾法和貝塔頻帶可以用來確定廣告的哪些部分更具吸引力或更不具吸引力。
3.3. EEG 數據分析的類型
研究人員通常在時間域或頻率域中進行分析。
時間域分析
通常在刺激開始後，測量時間點的電壓幅度。這些稱為事件相關電位（ERPs）。
頻率域分析
通常測量定義時間窗口中不同頻帶中的神經振盪量或與事件開始有關。
接下來我們提供頻率域分析的概述。
3.4. 處理
錄製腦電圖後，通常需要對數據進行清理，然後纔能理解振盪。
濾波
一種消除數據中高低頻環境噪聲的技術。人工去除
身體運動、眼球眨動都可能造成大的人為產生的干擾（> 50 µV 的腦電波峰值）。可以去除這些干擾，以免它們影響我們的結果。一些研究人員使用先進的方法來糾正這些干擾，以保留數據。
數據經處理後，信號現在可以轉換為頻率域，以便量化每種類型的腦波
圖 8 – 原始腦電圖中的眼球眨動干擾。
3.5. 快速傅立葉變換（FFT）
傅立葉變換是將腦電信號從“時間域”（圖 A）轉換為“頻率域（圖 B）”的數學轉換。
在頻率域中，我們可以量化在我們的記錄中每種類型的振盪有多少。這通常是頻帶的“功率”，可以顯示為功率譜（圖 B）。
圖 9A – 時域中的原始腦電圖。
圖 9B – FFT 後的功率譜（頻率域）。
3.6. 頻帶功率
從傅立葉變換獲得的頻帶（例如阿爾法帶）的功率告訴我們每個頻帶中有多少。頻帶功率單位通常為 µV2/Hz。大多數情況下，來自 FFT 的幅度或功率譜以對數單位分貝（dB）顯示。分貝是一種將測量功率（P）與參考功率 (Pr) 計算比率的單位，如下所示：
一旦獲得該測量單位用於感興趣的事件，頻帶功率可以用來比較以了解實驗對腦波的影響。
4. 從理論到實踐
接下來，我們將探討阿爾法抑制效應。
這是由漢斯·伯格首次報告的現象，當一個人睜眼時，我們會看到阿爾法振盪（阿爾法功率）顯著減少，而閉眼時則會增加。
圖 10 – 當雙眼睜開時，可以看到阿爾法振盪的增加。
首先使用 EmotivPRO Builder 我們構建了一個簡單的實驗。在這個實驗中，參與者被要求睜眼 2 分鐘專注於屏幕，然後閉眼 2 分鐘。他們會在 2 分鐘結束時聽到鈴聲打開自己的眼睛。
您可以通過下面的視頻來創建自己的阿爾法抑制實驗，或者您可以從以下鏈接運行我們的實驗：
4.1. 設備裝配和腦電圖質量
閱讀有關我們的 EQ 閘門如何工作的信息。找到有關特定於您耳機的設備裝配的更多信息：
EPOC 類型
Insight 類型
4.2. 處理和轉換腦電圖數據
現在您已有數據，您可以使用 Emotiv Analyzer 將其轉換為頻率域。按照視頻中的步驟。
4.3. 解釋數據
一旦分析器完成，下載壓縮文件。對於每個記錄，您將有一個包含頻帶功率的 csv 文件和圖像文件可供您進行自己的統計分析。
圖 11 – 頻帶功率。
在我們的輸出中，我們可以看到當雙眼閉上（橙色）時阿爾法功率增加，相較於當雙眼睜開時（藍色）。
這就是我們教程的結尾！ 您現在已具備基礎知識 🙂
您可以在資源部分找到一些進階閱讀的鏈接。
5. 資源
進階閱讀
Donoghue et al. 2022 研究神經振盪的方法考量
腦電圖術語詞彙
Kane et al. 2017 (這裡)
開源代碼
如果您熟悉 Python 編碼，我們提供了 Python 腳本，您可以用來獲取由眼睛張開和閉合段標記的阿爾法功率值。找到代碼和示例 Alpha Suppression 數據文件在這裡： 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. 和 Voytek, B., 2022. 研究神經振盪的方法考量。歐洲神經科學雜誌, 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. 和 van Putten, M.J., 2017. 臨床腦電圖醫生最常用術語的修訂詞彙以及報告格式的最新建議。修訂版 2017. Clinical neurophysiology practice, 2, p.170. doi: 10.1016/j.cnp.2017.07.002
Siuly, S., Li, Y., Zhang, Y. (2016). 腦電圖（EEG）及其背景。在：EEG 信號分析和分類。健康信息科學。施普林格，尚普。doi: https://doi.org/10.1007/978-3-319-47653-7%5F1
1. 介紹
歡迎！在本教程中，我們將學習有關腦波以及如何使用它們來理解大腦和行為的知識。
漢斯·伯格於 1929 年創造了腦電圖術語，他描述了使用放置在人頭部的傳感器記錄的電位變化。他識別出兩種類型的腦波，並將其命名為阿爾法波和貝塔波，僅僅是因為他記錄它們的順序。這種波動曾在其他哺乳動物中記錄過，但伯格是首次在人類中描述它們！
從那時起，腦電圖法已成為神經科學中的關鍵工具，並幫助我們進一步理解腦波（研究人員稱之為神經振盪），並有助於表徵諸如疲勞和清醒等大腦狀態。
在這個簡短的教程中，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？
我們可以用神經振盪做什麼？
使用 Emotiv 設備和軟件的實際應用。
2. 什麼是腦電圖（EEG）？
腦電圖（EEG）是一種非侵入性和被動性的方法，用於測量我們大腦的電活動。電極/傳感器/通道被放置在頭皮上，以記錄由稱為神經元的大腦細胞群體生成的電活動。
圖 1 – 神經元產生的電活動可以用腦電圖設備檢測到 [Siuly 等人 (2016)]。
2.1. 腦電圖系統
市場上有許多腦電圖設備可用於記錄腦電圖。腦電圖設備可以從具有以下特徵範圍：
單個傳感器或多達 256 個電極——更多的電極可以提供更高空間分辨率的信息覆蓋整個頭皮。
濕電極或乾電極——濕電極使用電解凝膠或生理鹽水溶液來改善頭皮和傳感器之間的導電性。乾電極可以是金屬的或需要直接接觸頭皮的導電聚合物。
主動或被動電極——被動電極系統只是將信號傳到設備中進行放大。主動電極系統在每個電極上放大信號後再傳到設備中進行放大。這可以在信號中減少環境電噪聲。
有線或無線設備通過藍牙傳輸數據。
圖 2 – 無線、低密度的腦電圖系統。
圖 3 – 有線、高密度電極的腦電圖系統。
2.2. 何時使用腦電圖（EEG）？
每種神經成像方法都可以幫助回答不同的研究問題。
腦電圖的最大優勢在於它能在毫秒級別測量神經活動，能夠測量前意識過程。
圖 4 – 空間與時間對比分辨率的不同神經成像工具。
它最適合回答諸如“參與者最關注我視頻的哪些部分？”這樣的問題。
腦電圖主要記錄來自大腦的外層活動（即空間分辨率較低）。用一個傳感器無法確定活動的來源。用大量通道進行記錄可以數學地重建來源，但在識別深層來源上仍然有限。功能性磁共振成像（fMRI）更適合回答如“哪部分大腦與注意力的變化有關？”這類問題。
2.3. 傳感器到原始腦電圖（EEG）？
一旦將腦電設備裝置到頭部，腦活動就會在單個傳感器上，以該傳感器和參考傳感器之間的幅度差異進行測量。在大多數腦電系統中，這稱為共模感知（CMS）電極。附加傳感器，稱為驅動右腿（DRL），有助於減少 CMS 的任何干擾。
圖 5 – 腦電信號傳輸的簡化框圖。
在同時具有主動和被動電極的系統中，然後信號被放大並進行低通濾波。低通濾波是一個步驟，可以消除環境中的電干擾，例如主電源線。
這些步驟在硬件本身中發生，然後才能在您的計算機屏幕上查看原始腦電波信號。
2.4. 一些基本術語
10-20 標準命名法
左側傳感器通常是奇數編號，右側傳感器通常是偶數編號。
註1: 這些只是命名約定，腦電傳感器位置的來源並不表示活動來源。
註2: 需要採取額外步驟，例如數學重建源，以確定單個通道上的活動來源。
3. 什麼是神經振盪？
腦波，通常稱為神經振盪，是由單個或一組神經元產生的節律模式。
目前尚不清楚為什麼大腦會產生這些不同類型的振盪，儘管有許多理論。研究人員使用不同的任務來表徵這些振盪活動，並試圖利用這些節律模式理解大腦的奧秘。
3.1. 振盪的一些特性
此圖顯示了對常規電信號的測量：
圖 6 – 空間與時間對比分辨率的不同神經成像工具。
在左側 (y 軸)，我們可以繪製電記錄的幅度，而在水平軸 (x 軸)，則是時間。信號幅度將圍繞中心點以規則方式變化。一次週期也稱為一次振盪。
每秒週期數稱為波的頻率，單位是赫茲 (Hz)。所以每秒 1 週期 = 1 Hz。幅度通常測量為微伏特 (µV)。
在大腦中，我們可以看到頻率範圍從 0.2 Hz（非常慢的波）到 80 Hz 或更多（非常快的波）。與癲癇發作相關的高頻活動（可達 500 Hz）也可以在大腦中記錄到。
不同類型的腦振盪是根據其頻率進行表徵的，這些被稱為頻帶，並且可以與不同的大腦狀態相關聯：
圖 7 – 典型腦電圖中的腦波。
3.2. 為什麼不同頻帶很重要？
識別正常與異常的腦模式
神經振盪對於檢測癲癇發作和神經病學中癲癇的診斷非常重要。腦機接口（BCI）
通常使用貝塔、伽馬和穆振盪來訓練遠程設備（例如，用思想移動輪椅）。神經反饋
這是一種腦訓練，您可以觀看您的腦波（例如伽馬振盪），並參與認知任務以提高腦內的伽馬振盪量。神經營銷
阿爾法和貝塔頻帶可以用來確定廣告的哪些部分更具吸引力或更不具吸引力。
3.3. EEG 數據分析的類型
研究人員通常在時間域或頻率域中進行分析。
時間域分析
通常在刺激開始後，測量時間點的電壓幅度。這些稱為事件相關電位（ERPs）。
頻率域分析
通常測量定義時間窗口中不同頻帶中的神經振盪量或與事件開始有關。
接下來我們提供頻率域分析的概述。
3.4. 處理
錄製腦電圖後，通常需要對數據進行清理，然後纔能理解振盪。
濾波
一種消除數據中高低頻環境噪聲的技術。人工去除
身體運動、眼球眨動都可能造成大的人為產生的干擾（> 50 µV 的腦電波峰值）。可以去除這些干擾，以免它們影響我們的結果。一些研究人員使用先進的方法來糾正這些干擾，以保留數據。
數據經處理後，信號現在可以轉換為頻率域，以便量化每種類型的腦波
圖 8 – 原始腦電圖中的眼球眨動干擾。
3.5. 快速傅立葉變換（FFT）
傅立葉變換是將腦電信號從“時間域”（圖 A）轉換為“頻率域（圖 B）”的數學轉換。
在頻率域中，我們可以量化在我們的記錄中每種類型的振盪有多少。這通常是頻帶的“功率”，可以顯示為功率譜（圖 B）。
圖 9A – 時域中的原始腦電圖。
圖 9B – FFT 後的功率譜（頻率域）。
3.6. 頻帶功率
從傅立葉變換獲得的頻帶（例如阿爾法帶）的功率告訴我們每個頻帶中有多少。頻帶功率單位通常為 µV2/Hz。大多數情況下，來自 FFT 的幅度或功率譜以對數單位分貝（dB）顯示。分貝是一種將測量功率（P）與參考功率 (Pr) 計算比率的單位，如下所示：
一旦獲得該測量單位用於感興趣的事件，頻帶功率可以用來比較以了解實驗對腦波的影響。
4. 從理論到實踐
接下來，我們將探討阿爾法抑制效應。
這是由漢斯·伯格首次報告的現象，當一個人睜眼時，我們會看到阿爾法振盪（阿爾法功率）顯著減少，而閉眼時則會增加。
圖 10 – 當雙眼睜開時，可以看到阿爾法振盪的增加。
首先使用 EmotivPRO Builder 我們構建了一個簡單的實驗。在這個實驗中，參與者被要求睜眼 2 分鐘專注於屏幕，然後閉眼 2 分鐘。他們會在 2 分鐘結束時聽到鈴聲打開自己的眼睛。
您可以通過下面的視頻來創建自己的阿爾法抑制實驗，或者您可以從以下鏈接運行我們的實驗：
4.1. 設備裝配和腦電圖質量
閱讀有關我們的 EQ 閘門如何工作的信息。找到有關特定於您耳機的設備裝配的更多信息：
EPOC 類型
Insight 類型
4.2. 處理和轉換腦電圖數據
現在您已有數據，您可以使用 Emotiv Analyzer 將其轉換為頻率域。按照視頻中的步驟。
4.3. 解釋數據
一旦分析器完成，下載壓縮文件。對於每個記錄，您將有一個包含頻帶功率的 csv 文件和圖像文件可供您進行自己的統計分析。
圖 11 – 頻帶功率。
在我們的輸出中，我們可以看到當雙眼閉上（橙色）時阿爾法功率增加，相較於當雙眼睜開時（藍色）。
這就是我們教程的結尾！ 您現在已具備基礎知識 🙂
您可以在資源部分找到一些進階閱讀的鏈接。
5. 資源
進階閱讀
Donoghue et al. 2022 研究神經振盪的方法考量
腦電圖術語詞彙
Kane et al. 2017 (這裡)
開源代碼
如果您熟悉 Python 編碼，我們提供了 Python 腳本，您可以用來獲取由眼睛張開和閉合段標記的阿爾法功率值。找到代碼和示例 Alpha Suppression 數據文件在這裡： 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. 和 Voytek, B., 2022. 研究神經振盪的方法考量。歐洲神經科學雜誌, 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. 和 van Putten, M.J., 2017. 臨床腦電圖醫生最常用術語的修訂詞彙以及報告格式的最新建議。修訂版 2017. Clinical neurophysiology practice, 2, p.170. doi: 10.1016/j.cnp.2017.07.002
Siuly, S., Li, Y., Zhang, Y. (2016). 腦電圖（EEG）及其背景。在：EEG 信號分析和分類。健康信息科學。施普林格，尚普。doi: https://doi.org/10.1007/978-3-319-47653-7%5F1
繼續閱讀
EEG 神經反饋：初學者指南
