脑电图数据

什么是 EEG 数据？

EEG 数据是通过放置在头皮上或靠近头皮的电极测量的电压差的数字记录。脑电图是非侵入性的，并提供高时间分辨率，使研究人员和临床医生能够在毫秒级别检查脑活动的变化。生成的信号通常存储为一个或多个连续的时间序列，每个通道代表相对于参考值的测量值。

该信号反映了多种来源的混合。神经活动对记录有贡献，但眼动、肌肉收缩、电极移动、环境干扰和接触变化等伪迹也可能出现在波形中。

因此，EEG 数据并不是单一脑过程的直接读取。它是一项需要背景信息、质量检查和明确分析方法的观察。

通道数量、采样率、参考、电极位置、事件标记和受试者信息都决定了如何解释这些数据。在实践中，当结合收集信号时的任务、状态、时间和条件来考虑信号时，记录的信息量最大。

脑细胞如何产生 EEG 信号

EEG 电极检测到的电压偏转并非源自神经元用于长距离通信的急剧、全或无的动作电位，而是源自扩散在皮层锥体细胞树突上的较慢、渐变的突触后电位。

当数以千计的这些神经元近似同步激活时，它们微小的细胞外电流通过大脑、脑脊液、颅骨和头皮的导电介质进行叠加，这一过程称为容积传导。最终到达记录传感器的电压是那种大规模神经同步的模糊但真实的反映。

EEG 数据采集的工作原理

在采集过程中，电极检测微小的电压波动，记录系统将其转换为数字样本。该系统通常同时记录多个通道，而参考和地线提供计算通道值所需的电学背景。采样率决定了测量信号的频率，从而决定了哪些变化可以被忠实地呈现。

在记录之前，技术人员或研究人员根据定义的导联定位电极并检查接触质量。EEG 电极放置框架描述了一种标准化方法，支持跨会话和实验室的比较。当刺激出现、受试者做出反应或发生临床事件时，可以添加事件标记，从而创建一条随后可与记录信号对齐的时间线。

采集也受到协议的影响。静息态记录、睡眠研究、认知任务和癫痫监测使用不同的持续时间、指令和辅助传感器。因此，一个完整的数据集包含的内容不仅仅是电压波形：它可能包含通道标签、电极位置、设备设置、事件代码、注释以及中断或异常情况的记录。

EEG 数据收集的最佳实践

良好的收集始于在测试受试者之前定义研究问题、记录持续时间、通道配置、采样率、参考和事件标记程序的协议。一致性减少了会话之间不必要的变异，并使后期的比较更具合理性。该协议还应描述当通道有噪声、受试者移动或遗漏事件标记时会发生什么。

物理准备也至关重要，因为普通的移动和不良的电极接触会导致信号质量变差。这就是为什么操作人员通常要检查阻抗或等效的接触指标，清晰地解释任务，并记录受试者状态的相关变化。这些步骤并不能消除所有伪迹，但它们使伪迹的来源更容易识别，并防止将可避免的问题误认为是神经发现。

一份简短的收集清单可以让操作细节保持可见，而不会取代科学判断：

• 确认通道标签、电极位置、参考和地线。

• 记录采样设置、滤波器设置和设备配置。

• 一致地标记刺激、反应、暂停和临床相关事件。

• 记录中断、移动、电极更换和异常的受试者状态。

收集后，该清单应与原始记录及其元数据的检查相结合。清晰的采集记录使分析人员能够将真实的信号特征与由硬件、设置或协议漂移引起的变化区分开来。

湿电极 vs. 干电极与皮肤接触质量

所有的 EEG 记录都始于贴在皮肤上的物理传感器，而该传感器属于两大类之一。

湿电极使用导电凝胶或糊剂来桥接金属和头皮之间的间隙，从而降低阻抗。干电极则省去了凝胶，依靠先进的材料和内置的前置放大来保持信号保真度。

有些电极是主动的，这意味着它们在记录部位直接包含阻抗转换电路；被动电极则缺少这种板载电子设备。无论类型如何，电极与头皮界面的质量决定了在生物信号到达放大器之前能保留多少。

接触不良会引入环境噪声和运动伪迹，这些噪声和伪迹可能会淹没微弱的大脑活动。Winkler 等人在解决伪迹源成分这一普遍问题时，通过为独立成分分析（ICA）成分构建一个独立于受试者的分类器，使这一挑战变得显而易见。

这项工作的存在本身就强调了伪迹污染是 EEG 记录中一个持续存在的问题，而电极的初始应用——清洁皮肤、正确放置传感器以及验证稳定连接——是减轻后续处理必须面对的伪迹负荷的第一种、最直接的方法。

导联设计与标准 10–20 系统

由于头皮电位没有固有的空间标签，该领域在很久以前就采用了坐标网格。国际 10–20 系统按比例定义了四个解剖标志点之间的电极位置：鼻根（鼻梁）、枕外隆突（后脑勺的骨质隆起）以及耳朵正前方的左右耳前点。这种标准化意味着标有“Cz”的通道在每个实验室中都指向相同的中央顶点位置，使得数据集具有直接可比性。

定义为指定每个电极的电压如何相对于参考进行测量，以及如何显示或存储这些双极或参考导联的导联设计，就建立在这一物理布局之上。Arnaud Delorme 的研究强有力地说明了为什么准确的导联信息在下游至关重要，他发现坏通道插值（少数能持续提高事件相关电位统计效能的预处理步骤之一）取决于了解每个电极的精确空间邻近关系。没有正确的通道图，这种插值就无法可靠运行。

他随后补充说，该伪迹分类器旨在推广到使用不同通道设置的数据，这强化了分类器的空间特征假设了记录完备的排列方式。因此，一个标准化、被忠实记录的导联成为了支持人类解释和算法重用的无形支架。

选择并记录在线参考

每个 EEG 放大器都记录两点之间的电压差。在线记录期间，其中一点是物理参考电极，硬件将其视为固定的基线。

常见的选择是顶点（Cz）、连接的双侧耳垂或乳突，或所有头皮通道的平均值。因为原始数据文件存储的是相对于该原始参考的电压，所以即使研究人员稍后在数学上将信号重新参考到另一个公共点，该选择也会在数据上留下永久的印记。

在 Delorme 上述针对三个公共 EEG 数据集测试自动预处理流水线的研究中，他发现参考和先进的基线去除方法对性能有显著的负面影响，减少了显示显著实验效应的通道百分比。

这一发现并不意味着绝对不能重新参考，但它的确意味着必须在文件头中记录初始的在线参考。只有有了这一记录，未来的分析人员才能理解最初减去的是什么基线，并评估随后的任何变换是否会扭曲真实的脑反应。

模数转换与采样率

从每个电极流出的连续电压通过模数转换器（ADC）转换为离散数字流。ADC 的采样速率决定了所得时间序列的时间粒度。

例如，500 Hz 的采样率意味着每 2 毫秒捕捉一次大脑的电状态。根据奈奎斯特定理，在数字化信号中能够忠实呈现的最高频率小于采样率的一半，因此 500 Hz 的记录可以恢复高达略低于 250 Hz 的频率。研究级 EEG 通常在 250 Hz 到 1000 Hz 之间运行，具体取决于感兴趣的频段。

使采样率作为元数据特别重要的原因在于，它默默地限制了在下游很远处做出的分析选择。Fraschini 等人通过测试分段长度（为连接性分析提取的数据时间窗口）如何改变结果，确切地检查了这种涟漪效应。

该研究使用健康成人的静息态 EEG 表明，平均相位滞后指数和振幅包络相关值均随着分段变长而减小，分别在约 12 秒和 6 秒后才趋于稳定。甚至从数据中重建的图论网络拓扑结构也随着分段持续时间而变化，尽管源级最小生成树参数被证明更加鲁棒。

对于原始数据记录来说，核心启示是每秒的样本数奠定了如何切分时间的绝对底线。如果采样率记录错误，随后的每个事件标记、分段边界和连接性估计都会继承该错误。因此，在文件头中记录确切的 ADC 速率是一项不可妥协的管家工作。

标准数据存储格式：EDF 和 BrainVision

数字化后，时间序列及其伴随的元数据必须保存在其他软件和其他实验室可以毫无歧义地打开的文件格式中。

两种开放格式在这一领域占据主导地位。欧洲数据格式（EDF）是一种紧凑、被广泛采用的容器，常见于睡眠研究和临床环境中，它存储多个通道以及指定采样率、通道标签和物理维度的文件头。

BrainVision 是由 Brain Products 开发的一种格式，它将相同的信息分散在三个关联的文件中：一个列出通道名称、采样率和原始参考的文本文件头（.vhdr）；一个记录事件代码及其潜伏期的标记文件（.vmrk）；以及一个保存原始电压样本的二进制数据文件（.eeg）。

当大型数据集公开共享时，这些标准化格式的价值就会显现出来。例如，在 2019 年的一项研究中，研究人员发布了一个多范式脑机接口（BCI）数据集，涵盖了 54 名受试者的运动想象、事件相关电位和稳态视觉诱发电位。如果数据被锁定在专有包装中，那么通过开源分析脚本分发此类资源将毫无意义。

无论文件最终是归档在 EDF 还是 BrainVision 中，这一选择都保证了任何研究人员都可以下载记录并重现发现，将原始波形与整个社区的可重复性链条联系起来。

必要的管家工作：通道图与采样元数据

只有当原始 EEG 文件携带对其空间和时间支架的完整、准确的描述时，它在科学上才具有可用性。这意味着每个通道都必须有一个标准标签（即 Fz、C3、O2 等）以及它在头皮上的三维坐标。这些坐标允许进行任何涉及空间关系的后续分析，例如根据邻近通道插值坏通道或将信号投影到皮层源模型上。

Fraschini 等人的研究依靠空间、谱和时间特征将 ICA 成分分类为脑部或伪迹；如果不了解贡献于成分的每个电极的物理位置，成分的空间拓扑结构就毫无意义。

同样，Delorme 发现，使用相邻电极值的坏通道插值是少数能可靠维持实验效应的纠正措施之一。只有当数据集的通道图正确时，插值器才能进行这种空间推测。

文件头还必须存储精确的采样率、记录日期以及任何辅助通道（如眼电图或肌电图）的明确标签。即使这些通道在最初的数据探索中处于未使用状态，它们的存在也应该是透明的。存储的采样率与实际 ADC 时钟之间的不匹配会不可逆地扭曲时间，导致随后无法与刺激标记对齐。

临床与研究环境中的 EEG 数据

临床和研究记录共享核心原则，但服务于不同的直接目的。采集临床 EEG 是为了在既定的专业和机构程序下支持患者评估、监测或诊断。而收集研究 EEG 通常是为了测试明确的假设、比较条件或开发分析方法，并配有研究特定的协议和记录。

临床工作非常强调及时审查、具有临床意义的导联、经过验证的解释以及在适用医疗系统内的永久记录。研究则更强调受控条件、预先指定的结局、可重复性以及对排除数据的透明处理。研究结果并不自动等同于临床发现，临床观察也不自动等同于经过验证的研究测量。

这种区别还影响到数据治理。临床数据可能受到医疗记录义务和直接护理要求的约束，而研究数据集则由知情同意书语言、机构审查、数据共享计划和研究终点决定。在两种环境中，训练有素的解释和仔细的记录都是必要的，因为 EEG 模式取决于背景，而不是孤立的数值。

EEG 数据的隐私与伦理考量

EEG 记录可以通过标识符、会话信息、临床背景或元数据的组合与个人联系起来。即使波形本身在专业环境之外难以解释，当它与可识别的受试者相连时，也应将其作为敏感的人类受试者数据来处理。收集和重用应与批准的协议和适用的隐私要求保持一致。

知情同意书应说明记录的目的、预期的分析类型、存储期限、可能的共享以及是否允许未来的使用。研究人员应避免暗示 EEG 可以揭示超出研究设计测量范围的内容。当受试者可能假设研究记录能够提供诊断或个体化评估时，清晰的沟通尤为重要。

伦理实践在收集后仍在继续。去标识化、受控访问、保留期限、审计追踪和仔细发布元数据有助于降低风险，但没有任何方法能完全消除风险。报告发现时不应夸大预测或诊断意义，自动分类应被视为需要适当验证的分析输出，而不是对个人的毫无疑问的判断。

为什么原始记录质量为可靠的 EEG 分析奠定了基础

单次 EEG 会话是将大脑电结构捕捉为永久形式的时刻，而该原始波形的复杂性已经镜像了头皮下方的神经网络。这里强调的基于神经科学的研究传达了一个统一的信息：只要小心处理采集步骤，感兴趣的信号就存在于原始数据本身中。电极接触质量、准确的通道映射、记录完整的参考和采样率，以及开放的存储格式，都决定了该信号在跨越实验室和岁月时是否依然可及。

最后，克制往往胜过过度处理，因为那些基本不干扰原始数据的研究人员比那些应用侵略性纠正的研究人员更好地保留了真实的脑反应。仔细的记录、诚实的元数据和最少的干扰形成了一种保持科学信号完整的纪律。

因此，每一次可靠的分析都不是始于复杂的算法，而是始于捕捉忠实、记录完备的波形这一简单行为。

参考文献

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

常见问题解答

EEG 记录究竟捕捉了什么，为什么它被认为是大脑活动的反映？

EEG 记录捕捉了头皮上微小的电压波动，这些波动源自大群皮层神经元的同步活动。这些波动主要来自锥体细胞中渐变的突触后电位，它们通过容积传导进行叠加，从而对大规模神经同步进行了模糊但真实的测量。

为什么 EEG 信号源自突触后电位而不是动作电位？

动作电位是短暂的、全或无的事件，对头皮电压的贡献极小，而较慢、渐变的突触后电位则在树突上扩散并在数以千计的神经元中进行叠加。这种叠加在头皮上产生了可检测到的电压偏转，使突触后电位成为 EEG 信号的主要来源。

湿电极和干电极有什么区别，电极接触质量如何影响记录？

湿电极使用导电凝胶来降低阻抗并改善信号传输，而干电极则依靠先进的材料和内置的前置放大来保持保真度，无需凝胶。电极与皮肤界面的质量至关重要，因为接触不良会引入环境噪声和运动伪迹，从而淹没微弱的大脑信号。

国际 10–20 系统如何标准化电极放置，为什么它很重要？

10–20 系统按比例定义了四个解剖标志点（鼻根、枕外隆突以及左右耳前点）之间的电极位置，因此像“Cz”这样标记的通道在每个实验室中都指向相同的位置。这种标准化确保了数据集具有直接可比性，并允许进行精确的空间分析，例如坏通道插值。

为什么记录 EEG 记录过程中使用的在线参考电极至关重要？

原始数据文件存储的是相对于在线参考的电压，因此参考的选择（例如 Cz、连接的耳垂或平均值）会永久地印刻在数据上，即使以后重新参考也是如此。如果不记录原始参考，未来的分析人员就无法理解所减去的基线，也无法评估随后的变换是否会扭曲真实的脑反应。

采样率在 EEG 记录中起什么作用，奈奎斯特定理如何应用？

采样率决定了数字化信号的时间分辨率，奈奎斯特定理指出，能够忠实呈现的最高频率小于采样率的一半。例如，500 Hz 的采样率可以恢复高达略低于 250 Hz 的频率，研究级 EEG 通常在 250 到 1000 Hz 之间运行。准确的采样率至关重要，因为它限制了所有下游与时间相关的分析。

EEG 的两种主要开放数据格式是什么，它们存储什么？

欧洲数据格式（EDF）是一种紧凑的容器，存储多个通道，并带有一个指定采样率、通道标签和物理维度的文件头。BrainVision 将信息分散在三个关联的文件中：文件头（.vhdr）、标记文件（.vmrk）和二进制数据文件（.eeg），所有这些都确保了清晰无歧义的共享和可重复性。

为什么原始 EEG 文件需要完整的通道图和空间坐标？

具有标准标签和 3D 坐标的通道图允许进行任何空间分析，例如根据邻近通道插值坏通道或将信号投影到皮层源模型。例如，伪迹分类器依赖于空间拓扑结构，而插值需要知道确切的电极位置；没有这些，此类分析就会失败。

EEG 文件头中必须记录哪些基本的元数据，为什么？

文件头必须包括精确的采样率、记录日期、带有 3D 坐标的通道标签，以及眼电（EOG）或肌电（EMG）等辅助通道的明确标签。这些信息至关重要，因为错误的采样率会不可逆地扭曲时间，而正确的通道图对于空间插值和源建模是必需的。

为什么 EEG 对研究有用？

EEG 提供了非常精细的时间信息，使其可用于研究事件相关反应、持续节律、睡眠、注意力、感觉处理和其他对时间敏感的现象。其解释仍然取决于实验设计和信号质量。

常见的 EEG 伪迹有哪些？

常见的伪迹包括眨眼、眼动、肌肉活动、电极移动、接触不良、电缆移动和电干扰。它们可能会影响一个或多个通道，并且可能与具有科学意义的频率重叠。

EEG 分析中的预处理是什么？

预处理是用于准备分析记录的记录完备的操作集合。它可以包括滤波、重新参考、坏通道处理、伪迹识别、分段、基线矫正和质量控制。