神經振盪的基礎
Roshini Randeniya
更新於
2024年2月22日
神經振盪的基礎
Roshini Randeniya
更新於
2024年2月22日
神經振盪的基礎
Roshini Randeniya
更新於
2024年2月22日
1. 簡介
歡迎！在本教學中，我們將學習腦波，以及如何利用它們來理解大腦與行為。
Hans Berger 於 1929 年創造了 electroencephalogram 這個術語，當時他描述了使用放置在受試者頭部的感測器所記錄到的電位變化。他辨識出兩種類型的腦波，而他之所以將它們稱為 alpha 波與 beta 波，僅僅是因為他記錄它們的順序。這類波形曾在其他哺乳動物中被記錄到，但 Berger 是第一次在人體中描述它們！
自此之後，electroencephalography 方法已成為神經科學中的重要工具，並幫助我們發展對腦波（研究人員稱之為神經振盪）的理解，也幫助我們描繪大腦中的狀態，例如疲勞與清醒。
在這個簡短的教學中，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 裝置與軟體的實際應用。
2. 什麼是 EEG？
腦電圖描記法（EEG）是一種非侵入式且被動的腦部電活動測量方法。電極／感測器／通道會放置在頭皮上，以記錄由成群腦細胞（稱為神經元）所產生的電活動。
圖 1 – 神經元會產生可由 EEG 裝置偵測到的電活動 [Siuly, et al. (2016)]。
2.1. EEG 系統
市面上有許多 EEG 裝置可用來記錄 EEG。EEG 裝置的範圍可以從以下類型：
單一感測器，或多達 256 個電極 – 更多電極可在頭皮上提供更高的空間解析度資訊。
濕電極或乾電極 – 濕電極使用電解膠或鹽水溶液，以改善頭皮與感測器之間的導電性。乾電極可以是金屬或導電高分子，且需要與頭皮直接接觸。
主動或被動電極 – 被動電極系統只是將訊號傳導到裝置上，再由裝置放大。主動電極系統會在每個電極處先放大訊號，然後才傳到裝置進一步放大。這可降低訊號中的環境電氣雜訊。
有線或無線裝置，透過 Bluetooth 傳輸資料。
圖 2 – 無線、低密度的 EEG 系統。
圖 3 – 有線、高密度電極的 EEG 系統。
2.2. 何時使用 EEG？
每種神經影像方法都能幫助回答不同的研究問題。
EEG 最大的優勢在於它能以毫秒尺度測量神經活動，因此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解析度。
它最適合回答像是「我的影片中哪些部分讓參與者最專注？」這類問題。
EEG 主要記錄來自大腦外層的活動（也就是空間解析度較低）。使用單一感測器時，無法辨識活動的來源。以大量通道進行記錄可以透過數學方法重建來源，但在辨識深部來源上仍然有限。功能性磁振造影（fMRI）則更適合回答像是「大腦的哪個部分與注意力變化有關？」這類問題。
2.3. 從感測器到原始 EEG？
當 EEG 裝置配戴在頭上後，腦活動會在單一感測器上測量，其方式是比較該感測器與參考感測器之間的振幅差。在大多數 EEG 系統中，這稱為 common mode sense（CMS）電極。另一個額外感測器 driven right leg（DRL）有助於減少 CMS 的任何干擾。
圖 5 – EEG 訊號傳輸的簡化方塊圖。
在同時具有主動與被動電極的系統中，訊號接著會被放大並進行低通濾波。低通濾波是一個步驟，可移除訊號中可能來自環境的電氣干擾，例如市電。
這些步驟會先在硬體本身完成，之後你才能在電腦螢幕上檢視原始 EEG 訊號。
2.4. 一些基本術語
10-20 標準命名慣例
左側感測器通常是奇數編號，而右側感測器通常是偶數編號。
註 1：這些只是命名慣例，EEG 感測器位置的來源並不代表活動的來源。
註 2：還需要進行額外步驟，例如對來源進行數學重建，才能確定單一通道活動的來源。
3. 什麼是神經振盪？
腦波，常被稱為神經振盪，是由單一神經元或神經元群所產生的節律性模式。
目前尚不清楚大腦為何會產生這些不同類型的振盪，雖然有許多理論。研究人員使用不同的任務來描繪這些振盪活動，並希望透過這些節律性模式來理解大腦的奧祕。
3.1. 振盪的一些特性
這張圖顯示一個規律電訊號的測量：
圖 6 – 不同神經影像工具的空間與時間解析度。
在左側（y 軸）我們可以繪出電記錄的振幅，而在水平軸（x 軸）上則是時間。訊號的振幅會以規律方式圍繞中心點變動其大小。單一循環也稱為一個振盪。
每秒循環數稱為波的頻率，單位是赫茲（Hz）。因此，每秒 1 個循環 = 1 Hz。振幅通常以微伏特（µV）測量。
在大腦中，我們會看到頻率從 0.2 Hz（非常慢的波）到 80 Hz 以上（非常快的波）的腦波。與癲癇相關、最高可達 500 Hz 的高頻活動也曾在大腦中被記錄到。
不同類型的腦振盪會根據其頻率來分類。這些稱為頻帶，並可與不同的腦部狀態相關聯：
圖 7 – 典型 EEG 中的腦波。
3.2. 為什麼不同頻帶很重要？
辨識正常與異常的腦部模式
神經振盪對於偵測癲癇發作以及在神經學中診斷癲癇很重要。腦機介面（BCI）
beta、gamma 與 mu 振盪的數量常用來訓練遠端裝置（例如：用思想移動輪椅）。神經回饋
這是一種腦部訓練形式，你可以觀看自己的腦波（例如 gamma 振盪），並進行認知任務，以提升大腦中 gamma 振盪的數量。神經行銷
Alpha 與 beta 頻帶可用來判定廣告中的哪一部分較吸引人，或較不吸引人。
3.3. EEG 資料分析的類型
最常見的是研究人員在時域或頻域中進行分析。
時域分析
通常會測量刺激開始後感興趣時間點的電壓振幅。這些稱為事件相關電位（ERPs）。
頻域分析
通常會測量在特定時間窗內，或與事件開始相關的不同頻帶中神經振盪的量。
接下來我們將概述頻域分析。
3.4. 處理
一旦完成 EEG 記錄，通常會先清理資料，再來理解振盪。
濾波
一種去除資料中高、低頻環境雜訊的技術。偽影移除
身體移動、眨眼都可能造成很大的偽影（EEG 中超過 50 µV 的峰值）。這些可以被移除，讓它們不影響結果。有些研究者會使用更複雜的方法修正這些偽影，以保留資料。
資料處理完成後，訊號現在可以轉換為頻域，讓我們能夠量化各種類型腦波的數量。
圖 8 – 原始 EEG 中的眨眼偽影。
3.5. 快速傅立葉轉換（FFT）
傅立葉轉換是將 EEG 訊號從「時域」（圖 A）轉換到「頻域（圖 B）」的數學轉換。
在頻域中，我們可以量化記錄中每種類型振盪的含量。這通常就是頻帶的「功率」，並可顯示為功率譜（圖 B）。
圖 9A – 時域中的原始 EEG。
圖 9B – FFT 後的功率譜（頻域）。
3.6. 頻帶功率
透過傅立葉轉換得到的某個頻帶功率（例如 Alpha 頻帶）可告訴我們各頻率頻帶各有多少。頻帶功率的單位通常為 µV2/Hz。最常見的是，來自 FFT 的振幅或功率譜會以對數單位分貝（dB）表示。分貝是測量功率（P）與參考功率（Pr）之間比值的單位，如下所示：
一旦為感興趣的事件取得這個測量單位，就可以比較頻帶功率，以理解實驗對腦波的影響。
4. 從理論到實踐
接下來，我們要看看 alpha 抑制效應。
這是 Hans Berger 最早報告的一種現象：當眼睛睜開時，與閉上時相比，alpha 振盪的數量（alpha 功率）會顯著下降。
圖 10 – 當眼睛睜開時，可以看到 alpha 振盪增加。
首先，我們使用 EmotivPRO Builder 建立了一個簡單的實驗。在這個實驗中，受試者只需在注視螢幕的同時保持眼睛睜開 2 分鐘，接著再閉上 2 分鐘。他們會在 2 分鐘結束時聽到鈴聲，提示可以睜開眼睛。
你可以依照下面的影片建立自己的 alpha 抑制實驗，或者也可以從這裡執行我們的實驗：
4.1. 裝置配戴與 EEG 品質
閱讀更多關於我們的 EQ gate 如何運作，請見這裡。在這裡找到更多關於適用於你的頭戴裝置之配戴資訊：
EPOC 類型
Insight 類型
4.2. 處理與轉換 EEG 資料
現在你已經有資料了，可以使用 Emotiv Analyzer 將其轉換到頻域。請依照影片中的步驟操作。
4.3. 解讀資料
當 Analyzer 完成後，下載 zip 檔。每筆記錄都會有一個包含頻帶功率的 csv 檔，以及一個可供你進行自己的統計分析的影像檔。
圖 11 – 頻帶功率。
在我們的輸出中，我們可以看到當眼睛閉上時（橘色），Alpha 功率比眼睛睜開時（藍色）增加。
本教學到此結束！你現在已經具備基礎知識了 🙂
你可以在資源區找到一些進一步閱讀的連結。
5. 資源
進階閱讀
Donoghue et al. 2022 研究神經振盪的方法學考量
EEG 術語詞彙表
Kane et al. 2017 (這裡)
開放原始碼
如果你熟悉 Python 程式撰寫，我們提供了可用來取得 alpha 功率值的 Python 腳本，並依照眼睛睜開與閉合區段標記。請在這裡找到程式碼與 Alpha 抑制資料範例檔案：https://osf.io/9bvgh/
Emotiv 手冊
EmotivPRO Builder 使用手冊
EmotivPRO 使用手冊
EmotivPRO Analyzer 使用手冊
7. 參考文獻
Donoghue, T., Schaworonkow, N. and Voytek, B., 2022. 研究神經振盪的方法學考量。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. 臨床腦電圖學家最常使用術語的修訂詞彙表，以及對 EEG 發現報告格式的更新建議。2017 修訂版。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。載於：EEG 訊號分析與分類。Health Information Science。Springer, Cham。doi: https://doi.org/10.1007/978-3-319-47653-7%5F1
1. 簡介
歡迎！在本教學中，我們將學習腦波，以及如何利用它們來理解大腦與行為。
Hans Berger 於 1929 年創造了 electroencephalogram 這個術語，當時他描述了使用放置在受試者頭部的感測器所記錄到的電位變化。他辨識出兩種類型的腦波，而他之所以將它們稱為 alpha 波與 beta 波，僅僅是因為他記錄它們的順序。這類波形曾在其他哺乳動物中被記錄到，但 Berger 是第一次在人體中描述它們！
自此之後，electroencephalography 方法已成為神經科學中的重要工具，並幫助我們發展對腦波（研究人員稱之為神經振盪）的理解，也幫助我們描繪大腦中的狀態，例如疲勞與清醒。
在這個簡短的教學中，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 裝置與軟體的實際應用。
2. 什麼是 EEG？
腦電圖描記法（EEG）是一種非侵入式且被動的腦部電活動測量方法。電極／感測器／通道會放置在頭皮上，以記錄由成群腦細胞（稱為神經元）所產生的電活動。
圖 1 – 神經元會產生可由 EEG 裝置偵測到的電活動 [Siuly, et al. (2016)]。
2.1. EEG 系統
市面上有許多 EEG 裝置可用來記錄 EEG。EEG 裝置的範圍可以從以下類型：
單一感測器，或多達 256 個電極 – 更多電極可在頭皮上提供更高的空間解析度資訊。
濕電極或乾電極 – 濕電極使用電解膠或鹽水溶液，以改善頭皮與感測器之間的導電性。乾電極可以是金屬或導電高分子，且需要與頭皮直接接觸。
主動或被動電極 – 被動電極系統只是將訊號傳導到裝置上，再由裝置放大。主動電極系統會在每個電極處先放大訊號，然後才傳到裝置進一步放大。這可降低訊號中的環境電氣雜訊。
有線或無線裝置，透過 Bluetooth 傳輸資料。
圖 2 – 無線、低密度的 EEG 系統。
圖 3 – 有線、高密度電極的 EEG 系統。
2.2. 何時使用 EEG？
每種神經影像方法都能幫助回答不同的研究問題。
EEG 最大的優勢在於它能以毫秒尺度測量神經活動，因此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解析度。
它最適合回答像是「我的影片中哪些部分讓參與者最專注？」這類問題。
EEG 主要記錄來自大腦外層的活動（也就是空間解析度較低）。使用單一感測器時，無法辨識活動的來源。以大量通道進行記錄可以透過數學方法重建來源，但在辨識深部來源上仍然有限。功能性磁振造影（fMRI）則更適合回答像是「大腦的哪個部分與注意力變化有關？」這類問題。
2.3. 從感測器到原始 EEG？
當 EEG 裝置配戴在頭上後，腦活動會在單一感測器上測量，其方式是比較該感測器與參考感測器之間的振幅差。在大多數 EEG 系統中，這稱為 common mode sense（CMS）電極。另一個額外感測器 driven right leg（DRL）有助於減少 CMS 的任何干擾。
圖 5 – EEG 訊號傳輸的簡化方塊圖。
在同時具有主動與被動電極的系統中，訊號接著會被放大並進行低通濾波。低通濾波是一個步驟，可移除訊號中可能來自環境的電氣干擾，例如市電。
這些步驟會先在硬體本身完成，之後你才能在電腦螢幕上檢視原始 EEG 訊號。
2.4. 一些基本術語
10-20 標準命名慣例
左側感測器通常是奇數編號，而右側感測器通常是偶數編號。
註 1：這些只是命名慣例，EEG 感測器位置的來源並不代表活動的來源。
註 2：還需要進行額外步驟，例如對來源進行數學重建，才能確定單一通道活動的來源。
3. 什麼是神經振盪？
腦波，常被稱為神經振盪，是由單一神經元或神經元群所產生的節律性模式。
目前尚不清楚大腦為何會產生這些不同類型的振盪，雖然有許多理論。研究人員使用不同的任務來描繪這些振盪活動，並希望透過這些節律性模式來理解大腦的奧祕。
3.1. 振盪的一些特性
這張圖顯示一個規律電訊號的測量：
圖 6 – 不同神經影像工具的空間與時間解析度。
在左側（y 軸）我們可以繪出電記錄的振幅，而在水平軸（x 軸）上則是時間。訊號的振幅會以規律方式圍繞中心點變動其大小。單一循環也稱為一個振盪。
每秒循環數稱為波的頻率，單位是赫茲（Hz）。因此，每秒 1 個循環 = 1 Hz。振幅通常以微伏特（µV）測量。
在大腦中，我們會看到頻率從 0.2 Hz（非常慢的波）到 80 Hz 以上（非常快的波）的腦波。與癲癇相關、最高可達 500 Hz 的高頻活動也曾在大腦中被記錄到。
不同類型的腦振盪會根據其頻率來分類。這些稱為頻帶，並可與不同的腦部狀態相關聯：
圖 7 – 典型 EEG 中的腦波。
3.2. 為什麼不同頻帶很重要？
辨識正常與異常的腦部模式
神經振盪對於偵測癲癇發作以及在神經學中診斷癲癇很重要。腦機介面（BCI）
beta、gamma 與 mu 振盪的數量常用來訓練遠端裝置（例如：用思想移動輪椅）。神經回饋
這是一種腦部訓練形式，你可以觀看自己的腦波（例如 gamma 振盪），並進行認知任務，以提升大腦中 gamma 振盪的數量。神經行銷
Alpha 與 beta 頻帶可用來判定廣告中的哪一部分較吸引人，或較不吸引人。
3.3. EEG 資料分析的類型
最常見的是研究人員在時域或頻域中進行分析。
時域分析
通常會測量刺激開始後感興趣時間點的電壓振幅。這些稱為事件相關電位（ERPs）。
頻域分析
通常會測量在特定時間窗內，或與事件開始相關的不同頻帶中神經振盪的量。
接下來我們將概述頻域分析。
3.4. 處理
一旦完成 EEG 記錄，通常會先清理資料，再來理解振盪。
濾波
一種去除資料中高、低頻環境雜訊的技術。偽影移除
身體移動、眨眼都可能造成很大的偽影（EEG 中超過 50 µV 的峰值）。這些可以被移除，讓它們不影響結果。有些研究者會使用更複雜的方法修正這些偽影，以保留資料。
資料處理完成後，訊號現在可以轉換為頻域，讓我們能夠量化各種類型腦波的數量。
圖 8 – 原始 EEG 中的眨眼偽影。
3.5. 快速傅立葉轉換（FFT）
傅立葉轉換是將 EEG 訊號從「時域」（圖 A）轉換到「頻域（圖 B）」的數學轉換。
在頻域中，我們可以量化記錄中每種類型振盪的含量。這通常就是頻帶的「功率」，並可顯示為功率譜（圖 B）。
圖 9A – 時域中的原始 EEG。
圖 9B – FFT 後的功率譜（頻域）。
3.6. 頻帶功率
透過傅立葉轉換得到的某個頻帶功率（例如 Alpha 頻帶）可告訴我們各頻率頻帶各有多少。頻帶功率的單位通常為 µV2/Hz。最常見的是，來自 FFT 的振幅或功率譜會以對數單位分貝（dB）表示。分貝是測量功率（P）與參考功率（Pr）之間比值的單位，如下所示：
一旦為感興趣的事件取得這個測量單位，就可以比較頻帶功率，以理解實驗對腦波的影響。
4. 從理論到實踐
接下來，我們要看看 alpha 抑制效應。
這是 Hans Berger 最早報告的一種現象：當眼睛睜開時，與閉上時相比，alpha 振盪的數量（alpha 功率）會顯著下降。
圖 10 – 當眼睛睜開時，可以看到 alpha 振盪增加。
首先，我們使用 EmotivPRO Builder 建立了一個簡單的實驗。在這個實驗中，受試者只需在注視螢幕的同時保持眼睛睜開 2 分鐘，接著再閉上 2 分鐘。他們會在 2 分鐘結束時聽到鈴聲，提示可以睜開眼睛。
你可以依照下面的影片建立自己的 alpha 抑制實驗，或者也可以從這裡執行我們的實驗：
4.1. 裝置配戴與 EEG 品質
閱讀更多關於我們的 EQ gate 如何運作，請見這裡。在這裡找到更多關於適用於你的頭戴裝置之配戴資訊：
EPOC 類型
Insight 類型
4.2. 處理與轉換 EEG 資料
現在你已經有資料了，可以使用 Emotiv Analyzer 將其轉換到頻域。請依照影片中的步驟操作。
4.3. 解讀資料
當 Analyzer 完成後，下載 zip 檔。每筆記錄都會有一個包含頻帶功率的 csv 檔，以及一個可供你進行自己的統計分析的影像檔。
圖 11 – 頻帶功率。
在我們的輸出中，我們可以看到當眼睛閉上時（橘色），Alpha 功率比眼睛睜開時（藍色）增加。
本教學到此結束！你現在已經具備基礎知識了 🙂
你可以在資源區找到一些進一步閱讀的連結。
5. 資源
進階閱讀
Donoghue et al. 2022 研究神經振盪的方法學考量
EEG 術語詞彙表
Kane et al. 2017 (這裡)
開放原始碼
如果你熟悉 Python 程式撰寫，我們提供了可用來取得 alpha 功率值的 Python 腳本，並依照眼睛睜開與閉合區段標記。請在這裡找到程式碼與 Alpha 抑制資料範例檔案：https://osf.io/9bvgh/
Emotiv 手冊
EmotivPRO Builder 使用手冊
EmotivPRO 使用手冊
EmotivPRO Analyzer 使用手冊
7. 參考文獻
Donoghue, T., Schaworonkow, N. and Voytek, B., 2022. 研究神經振盪的方法學考量。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. 臨床腦電圖學家最常使用術語的修訂詞彙表，以及對 EEG 發現報告格式的更新建議。2017 修訂版。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。載於：EEG 訊號分析與分類。Health Information Science。Springer, Cham。doi: https://doi.org/10.1007/978-3-319-47653-7%5F1
1. 簡介
歡迎！在本教學中，我們將學習腦波，以及如何利用它們來理解大腦與行為。
Hans Berger 於 1929 年創造了 electroencephalogram 這個術語，當時他描述了使用放置在受試者頭部的感測器所記錄到的電位變化。他辨識出兩種類型的腦波，而他之所以將它們稱為 alpha 波與 beta 波，僅僅是因為他記錄它們的順序。這類波形曾在其他哺乳動物中被記錄到，但 Berger 是第一次在人體中描述它們！
自此之後，electroencephalography 方法已成為神經科學中的重要工具，並幫助我們發展對腦波（研究人員稱之為神經振盪）的理解，也幫助我們描繪大腦中的狀態，例如疲勞與清醒。
在這個簡短的教學中，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 裝置與軟體的實際應用。
2. 什麼是 EEG？
腦電圖描記法（EEG）是一種非侵入式且被動的腦部電活動測量方法。電極／感測器／通道會放置在頭皮上，以記錄由成群腦細胞（稱為神經元）所產生的電活動。
圖 1 – 神經元會產生可由 EEG 裝置偵測到的電活動 [Siuly, et al. (2016)]。
2.1. EEG 系統
市面上有許多 EEG 裝置可用來記錄 EEG。EEG 裝置的範圍可以從以下類型：
單一感測器，或多達 256 個電極 – 更多電極可在頭皮上提供更高的空間解析度資訊。
濕電極或乾電極 – 濕電極使用電解膠或鹽水溶液，以改善頭皮與感測器之間的導電性。乾電極可以是金屬或導電高分子，且需要與頭皮直接接觸。
主動或被動電極 – 被動電極系統只是將訊號傳導到裝置上，再由裝置放大。主動電極系統會在每個電極處先放大訊號，然後才傳到裝置進一步放大。這可降低訊號中的環境電氣雜訊。
有線或無線裝置，透過 Bluetooth 傳輸資料。
圖 2 – 無線、低密度的 EEG 系統。
圖 3 – 有線、高密度電極的 EEG 系統。
2.2. 何時使用 EEG？
每種神經影像方法都能幫助回答不同的研究問題。
EEG 最大的優勢在於它能以毫秒尺度測量神經活動，因此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解析度。
它最適合回答像是「我的影片中哪些部分讓參與者最專注？」這類問題。
EEG 主要記錄來自大腦外層的活動（也就是空間解析度較低）。使用單一感測器時，無法辨識活動的來源。以大量通道進行記錄可以透過數學方法重建來源，但在辨識深部來源上仍然有限。功能性磁振造影（fMRI）則更適合回答像是「大腦的哪個部分與注意力變化有關？」這類問題。
2.3. 從感測器到原始 EEG？
當 EEG 裝置配戴在頭上後，腦活動會在單一感測器上測量，其方式是比較該感測器與參考感測器之間的振幅差。在大多數 EEG 系統中，這稱為 common mode sense（CMS）電極。另一個額外感測器 driven right leg（DRL）有助於減少 CMS 的任何干擾。
圖 5 – EEG 訊號傳輸的簡化方塊圖。
在同時具有主動與被動電極的系統中，訊號接著會被放大並進行低通濾波。低通濾波是一個步驟，可移除訊號中可能來自環境的電氣干擾，例如市電。
這些步驟會先在硬體本身完成，之後你才能在電腦螢幕上檢視原始 EEG 訊號。
2.4. 一些基本術語
10-20 標準命名慣例
左側感測器通常是奇數編號，而右側感測器通常是偶數編號。
註 1：這些只是命名慣例，EEG 感測器位置的來源並不代表活動的來源。
註 2：還需要進行額外步驟，例如對來源進行數學重建，才能確定單一通道活動的來源。
3. 什麼是神經振盪？
腦波，常被稱為神經振盪，是由單一神經元或神經元群所產生的節律性模式。
目前尚不清楚大腦為何會產生這些不同類型的振盪，雖然有許多理論。研究人員使用不同的任務來描繪這些振盪活動，並希望透過這些節律性模式來理解大腦的奧祕。
3.1. 振盪的一些特性
這張圖顯示一個規律電訊號的測量：
圖 6 – 不同神經影像工具的空間與時間解析度。
在左側（y 軸）我們可以繪出電記錄的振幅，而在水平軸（x 軸）上則是時間。訊號的振幅會以規律方式圍繞中心點變動其大小。單一循環也稱為一個振盪。
每秒循環數稱為波的頻率，單位是赫茲（Hz）。因此，每秒 1 個循環 = 1 Hz。振幅通常以微伏特（µV）測量。
在大腦中，我們會看到頻率從 0.2 Hz（非常慢的波）到 80 Hz 以上（非常快的波）的腦波。與癲癇相關、最高可達 500 Hz 的高頻活動也曾在大腦中被記錄到。
不同類型的腦振盪會根據其頻率來分類。這些稱為頻帶，並可與不同的腦部狀態相關聯：
圖 7 – 典型 EEG 中的腦波。
3.2. 為什麼不同頻帶很重要？
辨識正常與異常的腦部模式
神經振盪對於偵測癲癇發作以及在神經學中診斷癲癇很重要。腦機介面（BCI）
beta、gamma 與 mu 振盪的數量常用來訓練遠端裝置（例如：用思想移動輪椅）。神經回饋
這是一種腦部訓練形式，你可以觀看自己的腦波（例如 gamma 振盪），並進行認知任務，以提升大腦中 gamma 振盪的數量。神經行銷
Alpha 與 beta 頻帶可用來判定廣告中的哪一部分較吸引人，或較不吸引人。
3.3. EEG 資料分析的類型
最常見的是研究人員在時域或頻域中進行分析。
時域分析
通常會測量刺激開始後感興趣時間點的電壓振幅。這些稱為事件相關電位（ERPs）。
頻域分析
通常會測量在特定時間窗內，或與事件開始相關的不同頻帶中神經振盪的量。
接下來我們將概述頻域分析。
3.4. 處理
一旦完成 EEG 記錄，通常會先清理資料，再來理解振盪。
濾波
一種去除資料中高、低頻環境雜訊的技術。偽影移除
身體移動、眨眼都可能造成很大的偽影（EEG 中超過 50 µV 的峰值）。這些可以被移除，讓它們不影響結果。有些研究者會使用更複雜的方法修正這些偽影，以保留資料。
資料處理完成後，訊號現在可以轉換為頻域，讓我們能夠量化各種類型腦波的數量。
圖 8 – 原始 EEG 中的眨眼偽影。
3.5. 快速傅立葉轉換（FFT）
傅立葉轉換是將 EEG 訊號從「時域」（圖 A）轉換到「頻域（圖 B）」的數學轉換。
在頻域中，我們可以量化記錄中每種類型振盪的含量。這通常就是頻帶的「功率」，並可顯示為功率譜（圖 B）。
圖 9A – 時域中的原始 EEG。
圖 9B – FFT 後的功率譜（頻域）。
3.6. 頻帶功率
透過傅立葉轉換得到的某個頻帶功率（例如 Alpha 頻帶）可告訴我們各頻率頻帶各有多少。頻帶功率的單位通常為 µV2/Hz。最常見的是，來自 FFT 的振幅或功率譜會以對數單位分貝（dB）表示。分貝是測量功率（P）與參考功率（Pr）之間比值的單位，如下所示：
一旦為感興趣的事件取得這個測量單位，就可以比較頻帶功率，以理解實驗對腦波的影響。
4. 從理論到實踐
接下來，我們要看看 alpha 抑制效應。
這是 Hans Berger 最早報告的一種現象：當眼睛睜開時，與閉上時相比，alpha 振盪的數量（alpha 功率）會顯著下降。
圖 10 – 當眼睛睜開時，可以看到 alpha 振盪增加。
首先，我們使用 EmotivPRO Builder 建立了一個簡單的實驗。在這個實驗中，受試者只需在注視螢幕的同時保持眼睛睜開 2 分鐘，接著再閉上 2 分鐘。他們會在 2 分鐘結束時聽到鈴聲，提示可以睜開眼睛。
你可以依照下面的影片建立自己的 alpha 抑制實驗，或者也可以從這裡執行我們的實驗：
4.1. 裝置配戴與 EEG 品質
閱讀更多關於我們的 EQ gate 如何運作，請見這裡。在這裡找到更多關於適用於你的頭戴裝置之配戴資訊：
EPOC 類型
Insight 類型
4.2. 處理與轉換 EEG 資料
現在你已經有資料了，可以使用 Emotiv Analyzer 將其轉換到頻域。請依照影片中的步驟操作。
4.3. 解讀資料
當 Analyzer 完成後，下載 zip 檔。每筆記錄都會有一個包含頻帶功率的 csv 檔，以及一個可供你進行自己的統計分析的影像檔。
圖 11 – 頻帶功率。
在我們的輸出中，我們可以看到當眼睛閉上時（橘色），Alpha 功率比眼睛睜開時（藍色）增加。
本教學到此結束！你現在已經具備基礎知識了 🙂
你可以在資源區找到一些進一步閱讀的連結。
5. 資源
進階閱讀
Donoghue et al. 2022 研究神經振盪的方法學考量
EEG 術語詞彙表
Kane et al. 2017 (這裡)
開放原始碼
如果你熟悉 Python 程式撰寫，我們提供了可用來取得 alpha 功率值的 Python 腳本，並依照眼睛睜開與閉合區段標記。請在這裡找到程式碼與 Alpha 抑制資料範例檔案：https://osf.io/9bvgh/
Emotiv 手冊
EmotivPRO Builder 使用手冊
EmotivPRO 使用手冊
EmotivPRO Analyzer 使用手冊
7. 參考文獻
Donoghue, T., Schaworonkow, N. and Voytek, B., 2022. 研究神經振盪的方法學考量。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. 臨床腦電圖學家最常使用術語的修訂詞彙表，以及對 EEG 發現報告格式的更新建議。2017 修訂版。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。載於：EEG 訊號分析與分類。Health Information Science。Springer, Cham。doi: https://doi.org/10.1007/978-3-319-47653-7%5F1
