方法文章

PIPEMAT-RS：静息态脑电图预处理标准化MATLAB流程的开发与验证

DOI：

10.3791/68350

⸱

2025年6月6日

 ,  ,  ,  ,  ,  ,  ,  ,  , 
1Mental Health Department, Santa Casa de São Paulo School of Medical Sciences, 2Neuromodulation Center and Center for Clinical Research Learning, Spaulding Rehabilitation Hospital and Massachusetts General Hospital, Harvard Medical School, 3Vicerrectorado de Investigación, Unidad de Investigación para la Generación y Síntesis de Evidencias en Salud, Universidad San Ignacio de Loyola, 4Instituto de Medicina Física e Reabilitação, Hospital das Clínicas HCFMUSP, Faculdade de Medicina, Universidade de São Paulo, 5Faculdade de Medicina, Universidade de São Paulo

* These authors contributed equally

本文内容

摘要

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

本方案介绍了基于 MATLAB 的静息态脑电图（EEG）数据标准化预处理流程 PIPEMAT-RS。该流程可确保去除伪迹、提高信号质量，并增强不同研究间数据的可重复性。该流程自动化地完成了滤波、独立成分分析（ICA）和伪迹分类等关键预处理步骤，有助于神经生理学研究中实现一致且可靠的 EEG 分析。

摘要

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

脑电图（EEG）是神经科学研究和临床应用中的关键工具，但原始 EEG 数据常包含噪声和伪迹，影响信号质量。为解决这一问题，我们开发了 PIPEMAT-RS，一种基于 MATLAB 的标准化静息态 EEG 数据预处理流程。PIPEMAT-RS 遵循结构化的七步工作流程：文件格式转换、EEG 导联配置、降采样、滤波、伪迹剔除、独立成分分析（ICA）以及 ICLabel 分类以实现自动伪迹去除。该方案通过减少人为干预，同时保持伪迹剔除的高准确性，从而提升 EEG 数据质量。本流程已通过多个数据集验证，证明其在提高信号完整性方面具有良好的稳健性。PIPEMAT-RS 提供了一种系统化的方法，有助于 EEG 研究的可重复性和可靠性，符合领域内普遍采用的实践标准，并提供了清晰的文档结构，可与现有流程互补。通过标准化 EEG 预处理，PIPEMAT-RS 推动了神经生理学研究和临床应用的发展，使对静息态脑活动及其与神经和精神疾病关联的解读更加准确。

引言

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

脑电图（EEG）是神经科学研究和临床实践中的一项关键工具，可提供有关大脑电活动的重要信息。特别是静息态 EEG 数据，被广泛用于研究多种神经性和精神类疾病，例如中风、纤维肌痛和慢性神经性疼痛。尽管 EEG 应用广泛，但其数据分析需要严格的预处理步骤以消除伪迹和噪声，从而确保结果的完整性和可靠性1,2,3。多年来，EEG 在提供无创且高时间分辨率的大脑活动测量方面具有重要价值，使其成为研究大脑动态过程不可或缺的手段4,5。然而，原始 EEG 信号常常受到多种噪声源的污染，可能掩盖感兴趣的神经信号，从而增加数据解释的复杂性6。

脑电图（EEG）信号极易受到肌肉活动、眼球运动和电干扰等来源的污染7。这些伪迹可能掩盖神经信号，因此预处理是EEG分析中的关键步骤。该过程通常包括多个阶段：文件格式转换、降采样、滤波、伪迹剔除、独立成分分析（ICA）以及排除与噪声相关的成分8,9....

访问受限。请登录或开始试用以查看此内容。

方案

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

PIPEMAT-RS 是我们持续开展的研究项目的一部分，该项目已获得圣保罗大学医学院临床医院伦理委员会的批准（CAAE：86832518.7.0000.0068）。本项目旨在提高静息态脑电图（EEG）数据在各类神经科学和精神病学研究中的质量和可靠性。本研究所使用的数据来源于一项队列研究，其研究方案此前已由 Simis 等人（2021）发表31。主研究目前仍在进行中，其余临床组别的数据采集工作也仍在持续。该分析流程的脚本详见补充文件1。

1. 文件格式转换

  1. 准备数据目录。
    1. 打开 MATLAB ，并导航至包含原始 EEG 数据文件的目录。
    2. 使用 pathname = 'C:\\Path\\To\\RawData\\' 定义路径，并使用 name_subj_raw = {'subject1', 'subject2', ...}; 列出被试。
    3. 如果数据集已经是 .mat 格式，则跳过此步骤，直接进入 EEG 蒙太奇。
  2. 转换文件。
    1. 使用适用于文件类型的相应 MA....

访问受限。请登录或开始试用以查看此内容。

结果

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

验证脑电图预处理流程对于确保所采用方法在提取有意义的神经生理数据方面的可靠性和有效性至关重要。该过程包括来自已发表研究的实证证据、统计评估以及与领域内既定基准的比较。

PIPEMAT-RS 的稳健性和实用性已在多项已发表的研究中得到验证，这些研究涵盖了多种神经及精神疾病。例如，在针对中风患者脑电图生物标志物的研究中，发现异常的运动功能、抑郁特征与特定脑电图指标之间存在显著相关性，从而验证了预处理步骤在提升信号质量及促进有意义数据分析方面的有效性32。类似地，对中风患者大脑代偿神经特征的分析揭示了中风后大脑适应机制的关键见解，展示了 PIPEMAT-RS 处理复杂数据集并产生可靠结果的能力28。进一步的验证体现在对纤维肌痛患者神经适应与代偿机制的研究中，该研究识别出与疼痛及代偿机制相关的独特神经特征，支持了该预处理方法在不同临床环境中的适用性29。此外，对慢性神经病理性疼痛中代偿机制的研究强调了 delta 和 theta 频段在慢性疼痛状态.......

访问受限。请登录或开始试用以查看此内容。

讨论

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

PIPEMAT-RS 流程的开发旨在为静息态脑电图（EEG）数据的预处理提供一种标准化且高效的方法。该方案中的关键步骤包括伪迹剔除和独立成分分析（Independent Component Analysis, ICA），二者均能显著提高信噪比，并确保提取出有意义的神经信号。通过使用 clean_rawdata 函数进行自动伪迹剔除，并结合 eegplot 进行人工检查，可在效率与准确性之间实现平衡，从而实现全面的伪迹管理。应用 ICLabel 对独立成分进行自动分类可进一步优化数据，在减少人工工作量的同时，保持与人类专家标注一致的高分类准确率（91%）32。

根据数据集的特征，可能需要对本方案进行适当修改。例如，尽管该流程是为静息态脑电图（EEG）数据设计的，研究人员仍可根据任务态EEG记录或具有不同采样率的数据集，调整滤波设置和伪迹剔除阈值。若在clean_rawdata步骤中出现过多通道被剔除或自动清洗后仍存在残余噪声的情况，可通过调整平直段判别标准和通道相关性阈值来进行故障排查。此外，独立成分分析（ICA）通常在电极数为32个或.......

访问受限。请登录或开始试用以查看此内容。

披露

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

作者声明，他们不存在任何已知的相互竞争的经济利益或可能被认为影响本文所报告工作的个人关系。

致谢

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

LMM 获得了圣保罗研究基金会（FAPESP）博士后研究资助 #21/05897-5 的支持。AC 获得了圣保罗研究基金会（FAPESP）科研启动资助 #21/12790-2 的支持。SPB 获得了圣保罗研究基金会（FAPESP）博士后研究资助 #20/08512-4 的支持。FF 和 LRB 获得了圣保罗研究基金会（FAPESP）研究资助 #17/12943-8 的支持。此外，FF 个人还获得了美国国家卫生研究院（NHI）2020 年 R01 AT 项目 #1R01AT009491-01A1 的资助。

....

访问受限。请登录或开始试用以查看此内容。

材料

本文使用的材料清单
姓名公司目录编号评论
MATLAB MathWorksR2020a 或更新版本执行 PIPEMAT-RS 脚本所必需。
脑电图记录系统Brain Productshttps://www.brainproducts.com/用于数据采集的脑电图采集系统。其他品牌 包括 BioSemi / ANT Neuro（或同等产品） 
EEGLAB 工具箱Swartz 计算神经科学中心不适用用于脑电图分析的开源 MATLAB 工具箱。
电极（Ag/AgCl）Brain Products https://www.brainproducts.com/solutions/r-net/用于脑电图数据采集。其他品牌 包括 BioSemi / ANT Neuro（或同等产品） 
ICLabel 插件Swartz 计算神经科学中心不适用用于脑电图的自动伪迹分类工具。
PIPEMAT-RS 脚本不适用不适用用于标准化脑电图预处理的自定义 MATLAB 脚本。
信号放大器Brain Products https://www.brainproducts.com/solutions/#amplifiers用于放大脑电信号以便处理。其他品牌 包括 BioSemi / ANT Neuro（或同等产品） 
标准 64 导脑电帽Brain Products https://www.brainproducts.com/solutions/#electrodes-caps用于脑电图记录的电极帽。其他品牌 包括 BioSemi / ANT Neuro（或同等产品） 

参考文献

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. Niedermeyer, E., da Silva, F. L. Electroencephalography: basic principles, clinical applications, and related fields. , Lippincott Williams and Wilkins. Philadelphia, PA. (2004).
  2. Delorme, A., Makeig, S. EEGLAB: an open-source toolbo....

访问受限。请登录或开始试用以查看此内容。

重印与许可

申请许可以重复使用本 JoVE 文章的文本或图表

申请许可

标签

ICLabel

相关文章