腦電圖數據

什麼是 EEG 數據？

EEG 數據是通過放置在頭皮上或靠近頭皮的電極所測量電壓差的數位記錄。腦電圖是非侵入性的，並提供高時間解析度，使研究人員和臨床醫生能夠以毫秒為單位檢查大腦活動的變化。產生的信號通常存儲為一個或多個連續的時間序列，每個通道代表相對於參考點的測量值。

該信號反映了多種來源的混合。神經活動對記錄有所貢獻，但眼球運動、肌肉收縮、電極移動、環境干擾和接觸變化等偽影也可能出現在軌跡中。

因此，EEG 數據並不是單一大腦過程的直接讀取。它是一種需要背景資訊、品質檢查和明確分析方法的觀察。

通道數量、採樣率、參考點、電極位置、事件標記和受試者資訊都決定了數據的解讀方式。在實踐中，當將信號與收集信號時的任務、狀態、時間和條件結合考慮時，記錄的資訊量最大。

腦細胞如何產生 EEG 信號

EEG 電極檢測到的電壓偏轉並非源自神經元用於遠距離通信的急劇、全或無的動作電位，而是源自跨越皮質錐體細胞樹突擴散的較慢、漸進的突觸後電位。

當成千上萬個此類神經元近似同步激活時，它們微小的細胞外電流會通過大腦、腦脊髓液、顱骨和頭皮的導電介質進行累加，這一過程稱為體傳導（volume conduction）。最終到達記錄感測器的電壓是該大規模神經同步的模糊但真實的反映。

EEG 數據採集的工作原理

在採集過程中，電極檢測微小的電壓波動，記錄系統將其轉換為數位樣本。系統通常同時記錄多個通道，而參考和地線則提供計算通道值所需的電氣背景。採樣率決定了測量信號的頻率，從而決定了哪些變化可以被忠實地呈現。

在記錄之前，技術人員或研究人員根據定義的導聯（montage）定位電極並檢查接觸品質。EEG 電極放置框架描述了一種標準化方法，支持跨會議和實驗室的比較。當出現刺激、受試者做出反應或發生臨床事件時，可以添加事件標記，從而創建一條隨後可與記錄信號對齊的時間線。

採集也受到方案的影響。靜息狀態記錄、睡眠研究、認知任務和癲癇監測使用不同的持續時間、指令和輔助感測器。因此，一個完整的數據集包含的不僅僅是電壓軌跡：它可能包含通道標籤、電極位置、設備設置、事件代碼、註釋以及中斷或異常情況的記錄。

EEG 數據收集的最佳實踐

良好的收集始於在測試受試者之前定義研究問題、記錄持續時間、通道配置、採樣率、參考點和事件標記程序的方案。一致性減少了會議之間不必要的變異，並使後續的比較更具說服力。該方案還應描述當通道有雜訊、受試者移動或錯失事件標記時該怎麼辦。

物理準備也至關重要，因為信號品質會因普通運動和不良的電極接觸而劣化。這就是為什麼操作人員通常會檢查阻抗或等效接觸指標，清晰地解釋任務，並記錄受試者狀態的相關變化。這些步驟並不能消除所有偽影，但它們使偽影的來源更容易識別，並防止將可避免的問題誤認為神經發現。

一份簡短的收集清單可以使操作細節保持可見，而不會取代科學判斷：

• 確認通道標籤、電極位置、參考和地線。

• 記錄採樣設置、濾波器設置和設備配置。

• 一致地標記刺激、反應、暫停和臨床相關事件。

• 記錄中斷、移動、電極變化和異常的受試者狀態。

收集後，應將清單與對原始記錄及其元數據的檢查相結合。清晰的採集記錄使分析人員能夠將真實的信號特徵與由硬體、設置或方案漂移引起的變化區分開來。

濕電極與乾電極以及皮膚接觸品質

所有的 EEG 記錄都始於貼在皮膚上的物理感測器，該感測器屬於兩大類之一。

濕電極使用導電膠或糊劑來橋接金屬與頭皮之間的間隙，從而降低阻抗。乾電極則省去了導電膠，依靠先進的材料和內置的前置放大來保持信號保真度。

某些電極是主動的（active），這意味著它們在記錄部位直接包含阻抗轉換電路；被動電極（passive）則缺乏這種板載電子設備。無論哪種類型，電極與頭皮界面的品質都決定了在生物信號甚至還沒到達放大器之前能保留多少。

接觸不良會引入環境雜訊和運動偽影，這些偽影可能會掩蓋微弱的大腦活動。Winkler 等人在解決偽影源成分這一普遍問題時，通過為獨立成分分析 (ICA) 成分構建一個獨立於受試者的分類器，使這一挑戰變得清晰明確。

這項努力的存在本身就強調了偽影污染是 EEG 記錄中一個持續存在的問題，而電極的初始應用——清潔皮膚、正確放置感測器並驗證穩定連接——是減輕後續處理必須應對的偽影負荷的第一個也是最直接的方法。

導聯設計與標準 10–20 系統

因為頭皮電位沒有固有的空間標籤，該領域在很久以前就採用了座標網格。國際 10–20 系統成比例地定義了四個解剖地標之間的電極位置：鼻根（鼻樑）、枕外隆突（腦後骨質凸起）以及耳前左右點（緊鄰耳朵前方）。這種標準化意味著標有“Cz”的通道在每個實驗室中都指向相同的中央頂點位置，使得數據集具有直接可比性。

定義為每個電極電壓相對於參考點如何測量以及這些雙極或參考衍生如何顯示或存儲的規範的導聯，建立在該物理佈局之上。Arnaud Delorme 的研究有力地說明了為什麼準確的導聯資訊在下游至關重要，他發現壞通道插值（為數不多的能持續提高事件相關電位統計檢驗力的預處理步驟之一）取決於了解每個電極的精確空間鄰近。如果沒有正確的通道圖，這種插值就無法可靠地運作。

隨後他補充說，偽影分類器旨在推廣到使用不同通道設置的數據，這進一步證實了分類器的空間特徵假設了記錄詳盡的排列。因此，標準化且忠實記錄的導聯成為支持人類解讀和演算法重用的隱形支架。

選擇並記錄在線參考

每個 EEG 放大器都記錄兩點之間的電壓差。在在線記錄期間，其中一個點是物理參考電極，硬體將其視為固定的基線。

常見的選擇是頂點 (Cz)、聯結的耳垂或乳突過程，或所有頭皮通道的平均值。因為原始數據文件存儲的是相對於該原始參考的電壓，所以該選擇會在數據上留下永久的印記，即使研究人員隨後通過數學方法將信號重新參考到另一個公共點也是如此。

在上述由 Delorme 進行的研究中（該研究在三個公開的 EEG 數據集上測試了自動預處理管線），他發現參考和先進的基線消除方法對性能有顯著的負面影響，減少了顯示出顯著實驗效應的通道百分比。

這一發現並不意味著絕不能重新參考，但它確實意味著最初的在線參考必須記錄在文件標頭中。只有有了該記錄，未來的分析人員才能了解最初減去了什麼基線，並評估隨後的任何轉換是否會扭曲真實的大腦反應。

類比至數位轉換與採樣率

從每個電極流出的連續電壓由類比至數位轉換器 (ADC) 轉換為離散數位流。ADC 採樣的速率決定了所得時間序列的時間細粒度。

例如，500 Hz 的採樣率意味著每 2 毫秒捕獲一次大腦的電狀態。根據奈奎斯特定理（Nyquist theorem），在數位化信號中能忠實呈現的最高頻率小於採樣率的一半，因此 500 Hz 的記錄可以恢復高達略低於 250 Hz 的頻率。研究級 EEG 的工作頻率通常在 250 Hz 至 1000 Hz 之間，具體取決於感興趣的頻帶。

採樣率作為元數據特別重要的原因在於，它悄無聲息地限制了在下游很遠的地方做出的分析選擇。Fraschini 等人通過測試分段（epoch）長度（為連通性分析提取的數據時間窗口）如何改變結果，精確地檢查了這種連鎖反應。

該研究使用健康成人的靜息狀態 EEG，結果顯示，隨著分段變長，平均相位延遲指數和振幅包絡相關值均下降，分別僅在約 12 秒和 6 秒後趨於穩定。甚至從數據重建的圖論網絡拓撲結構也隨分段持續時間而變化，儘管源級最小生成樹參數被證明更具魯棒性。

原始數據文檔的核心要點是，每秒的樣本數為如何分割時間設置了絕對的底限。如果採樣率記錄錯誤，隨後的每個事件標記、分段邊界和連通性估計都會繼承該錯誤。因此，在文件標頭中記錄準確的 ADC 速率是一項不容妥協的管理工作。

標準數據存儲格式：EDF 和 BrainVision

數位化後，時間序列及其隨附的元數據必須存存在其他軟體和其他實驗室可以毫無歧義地打開的文件格式中。

兩種開放格式在該領域佔據主導地位。歐洲數據格式 (EDF) 是一種緊湊、被廣泛採用的容器，在睡眠研究和臨床設置中很常見，它存儲多個通道以及指定採樣率、通道標籤和物理維度的標頭。

BrainVision 是由 Brain Products 開發的一種格式，將相同的資訊分佈在三個鏈接的文件中：列出通道名稱、採樣率和原始參考的文本標頭 (.vhdr)；記錄事件代碼及其潛伏期的標記文件 (.vmrk)；以及保存原始電壓樣本的二進位數據文件 (.eeg)。

當公開共享大型數據集時，這些標準化格式的價值就體現出來了。例如，在 2019 年的一項研究中，研究人員發布了一個多範式腦機介面 (BCI) 數據集，涵蓋了 54 名受試者的運動想像、事件相關電位和穩態視覺誘發電位。如果數據被鎖定在專有包裝中，那麼使用開源分析腳本分發此類資源將毫無意義。

無論文件最終是存檔在 EDF 還是 BrainVision 中，該選擇都保證了任何研究人員都可以下載記錄並重現發現，將原始軌跡鏈接到整個社群的重現性鏈中。

基本的常規維護：通道圖與採樣元數據

只有當原始 EEG 文件攜帶對其空間和時間支架的完整、準確描述時，它在科學上才變得可用。這意味著每個通道都必須有一個標準標籤（即 Fz、C3、O2 等）以及它在頭皮上的三維座標。這些座標允許進行任何涉及空間關係的後續分析，例如從鄰近通道插值壞通道或將信號投影到皮質源模型上。

Fraschini 等人的研究依靠空間、光譜和時間特徵將 ICA 成分分類為大腦或偽影；如果不了解對其做出貢獻的每個電極的物理位置，成分的空間拓撲結構就毫無意義。

同樣，Delorme 發現，使用相鄰電極值的壞通道插值是少數能可靠保持實驗效應的校正方法之一。只有在數據集的通道圖正確的情況下，插值器才能執行該空間推測。

文件標頭還必須存儲精確的採樣率、記錄日期以及任何輔助通道（如眼電圖（眼球運動）或肌電圖（肌肉活動））的明確標籤。即使這些通道在初始數據探索期間未被使用，它們的存在也應該是透明的。存儲的採樣率與實際 ADC 時鐘之間的不匹配可能會不可逆地扭曲時間，使得隨後無法與刺激標記對齊。

臨床與研究設置中的 EEG 數據

臨床和研究記錄共享核心原理，但服務於不同的直接目的。採集臨床 EEG 是為了在既定的專業和機構程序下支持患者評估、監測或診斷。收集研究 EEG 通常是為了測試定義的假設、比較條件或開發分析方法，並配有研究特定的方案和文檔。

臨床工作非常強調及時審查、具有臨床意義的導聯、經過驗證的解讀以及適用護理系統內的永久記錄。研究則更強調受控條件、預先指定的結果、重現性以及對排除情況的透明處理。研究結果不自動等同於臨床發現，臨床觀察也不自動等同於經過驗證的研究措施。

這種區別也影響數據治理。臨床數據可能受病歷義務和直接護理要求的管轄，而研究數據集則由知情同意書語言、機構審查、數據共享計劃和研究終點決定。在這兩種設置中，訓練有素的解讀和仔細的記錄都是必要的，因為 EEG 模式取決於背景背景，而不是孤立的數值。

EEG 數據的隱私與倫理考量

EEG 記錄可以通過識別碼、會議資訊、臨床背景或元數據的組合與個人聯繫起來。即使波形本身在專業設置之外難以解讀，當它與可識別的受試者相關聯時，也應將其視為敏感的人類受試者數據進行處理。收集和重用應與批准的方案和適用的隱私要求保持一致。

知情同意書應說明記錄的目的、預期的分析類型、存儲時間、可能發生的共享以及是否允許未來的用途。研究人員應避免暗示 EEG 可以揭示比研究設計所要測量的更多的內容。當受試者可能認為研究記錄提供了診斷或個人化評估時，清晰的溝通尤為重要。

倫理實踐在收集後仍在繼續。去識別化、受控訪問、保留限制、審計追蹤和仔細發布元數據有助於降低風險，但沒有任何方法能完全消除風險。報告發現時不應誇大預測或診斷意義，自動分類應被視為需要適當驗證的分析輸出，而不是對一個人的毫無疑問的評判。

為什麼原始記錄品質為可靠的 EEG 分析奠定了基礎

單次 EEG 會議是大腦電架構以永久形式被捕獲的時刻，而該原始軌跡的複雜性已經反映了頭皮下方的神經網絡。這裡強調的基於神經科學的研究傳遞了一個統一的信息：感興趣的信號存在於原始數據本身中，前提是小心處理採集步驟。電極接觸品質、準確的通道映射、記錄的參考和採樣率以及開放的存儲格式都決定了該信號在跨實驗室和跨年份中是否保持可訪問性。

最後，克制往往優於繁重的處理，因為與應用激進校正的研究人員相比，基本上不對原始數據進行處理的研究人員能更好地保留真實的大腦反應。仔細的記錄、真實的元數據和最小的干擾形成了一種保持科學信號完整的學科。

因此，每一次值得信賴的分析都不是始於複雜的演算法，而是始於捕獲忠實且記錄詳盡的軌跡這一簡單行為。

參考文獻

1. Winkler, I., Haufe, S., & Tangermann, M. (2011). Automatic classification of artifactual ICA-components for artifact removal in EEG signals. Behavioral and brain functions, 7(1), 30. https://doi.org/10.1186/1744-9081-7-30

2. Delorme, A. (2023). EEG is better left alone. Scientific reports, 13(1), 2372. https://doi.org/10.1038/s41598-023-27528-0

3. Fraschini, M., Demuru, M., Crobe, A., Marrosu, F., Stam, C. J., & Hillebrand, A. (2016). The effect of epoch length on estimated EEG functional connectivity and brain network organisation. Journal of neural engineering, 13(3), 036015.

4. Lee, M. H., Kwon, O. Y., Kim, Y. J., Kim, H. K., Lee, Y. E., Williamson, J., ... & Lee, S. W. (2019). EEG dataset and OpenBMI toolbox for three BCI paradigms: An investigation into BCI illiteracy. GigaScience, 8(5), giz002. https://doi.org/10.1093/gigascience/giz002

常見問題解答

EEG 記錄究竟捕獲了什麼，為什麼它被認為是大腦活動的反映？

EEG 記錄捕獲了頭皮上微小的電壓波動，這些波動源自大群皮質神經元的同步活動。這些波動主要來自錐體細胞中漸進的突觸後電位，這些電位通過體傳導進行累加，從而對大規模神經同步進行模糊但真實的測量。

為什麼 EEG 信號源自突觸後電位而不是動作電位？

動作電位是短暫的、全或無的事件，對頭皮電位的貢獻極小，而較慢、漸進的突觸後電位則擴散到樹突上並在成千上萬個神經元中進行累加。這種累加在頭皮上產生可檢測到的電壓偏轉，使突觸後電位成為 EEG 信號的主要來源。

濕電極和乾電極有什麼區別，電極接觸品質如何影響記錄？

濕電極使用導電膠來降低阻抗並改善信號傳輸，而乾電極則依靠先進的材料和內置的前置放大來在不使用導電膠的情況下保持保真度。電極與皮膚界面的品質至關重要，因為接觸不良會引入環境雜訊和運動偽影，這些偽影可能會掩蓋微弱的大腦信號。

國際 10–20 系統如何標準化電極放置，為什麼它很重要？

10–20 系統成比例地定義了四個解剖地標（鼻根、枕外隆突以及耳前左右點）之間的電極位置，因此像“Cz”這樣標記的通道在每個實驗室中都指向相同的位置。這種標準化確保了數據集具有直接可比性，並允許進行準確的空間分析，例如壞通道插值。

為什麼記錄 EEG 記錄期間使用的在線參考電極至關重要？

原始數據文件存儲的是相對於在線參考的電壓，因此參考點的選擇（例如 Cz、聯結耳垂或平均值）會永久印在數據上，即使稍後重新參考也是如此。如果沒有記錄原始參考，未來的分析人員就無法了解減去的基線，也無法評估隨後的轉換是否扭曲了真實的大腦反應。

採樣率在 EEG 記錄中扮演什麼角色，奈奎斯特定理如何應用？

採樣率決定了數位化信號的時間解析度，奈奎斯特定理指出，最高能忠實呈現的頻率小於採樣率的一半。例如，500 Hz 的採樣率可以恢復高達略低於 250 Hz 的頻率，研究級 EEG 通常在 250 到 1000 Hz 之間運行。準確的採樣率至關重要，因為它限制了所有下游與時間相關的分析。

EEG 的兩種主要開放數據格式是什麼，它們存儲什麼？

歐洲數據格式 (EDF) 是一種緊湊的容器，存儲多個通道以及指定採樣率、通道標籤和物理維度的標頭。BrainVision 將資訊分佈在三個鏈接的文件中：標頭 (.vhdr)、標記文件 (.vmrk) 和二進位數據文件 (.eeg)，所有這些都確保了明確的共享和重現性。

為什麼完整的通道圖和空間座標對於原始 EEG 文件是必需的？

具有標準標籤和 3D 座標的通道圖允許進行任何空間分析，例如從鄰近通道插值壞通道或將信號投影到皮質源模型。例如，偽影分類器依靠空間拓撲結構，而插值需要知道確切的電極位置；如果沒有這些，此類分析就會失敗。

EEG 文件標頭中必須記錄哪些基本元數據，為什麼？

標頭必須包括精確的採樣率、記錄日期、帶有 3D 座標的通道標籤，以及輔助通道（如 EOG 或 EMG）的明確標籤。此資訊至關重要，因為不正確的採樣率會不可逆地扭曲時間，而正確的通道圖對於空間插值和源建模是必需的。

為什麼 EEG 對研究有用？

EEG 提供非常精細的時間資訊，使其可用於研究事件相關反應、持續節律、睡眠、注意力、感官處理和其他對時間敏感的現象。其解讀仍取決於實驗設計和信號品質。

常見的 EEG 偽影有哪些？

常見的偽影包括眨眼、眼球運動、肌肉活動、電極移動、接觸不良、電纜移動和電氣干擾。它們可能會影響一個或多個通道，並且可能與科學界感興趣的頻率重疊。

EEG 分析中的預處理是什麼？

預處理是用於準備分析記錄的記錄操作集。它可以包括濾波、重新參考、壞通道處理、偽影識別、分段、基線校正和品質控制。