PIPEMAT-RS: 安静時脳波前処理のための標準化された MATLAB パイプラインの開発と検証

私たちは、信号品質を向上させ、ノイズを低減し、多様な臨床および実験データセットにわたる一貫した神経生理学的研究をサポートするために、標準化された脳波前処理パイプラインを開発しました。RELAX や Automagic などの最近のパイプラインは、自動脳波洗浄を提供しますが、結果の透明性と一貫性を必要とする研究者や学生にとっては柔軟性や明確な文書化が欠けていることがよくあります。EEG、Matlab、EEG ラボ、ICAベースのアーティファクト除去をICLabelなどの自動分類器と組み合わせて使用して、データ品質を向上させ、前処理ワークフローを合理化します。PIPEMAT-RS は、脳波信号の質を改善し、SNR を向上させ、脳卒中、線維筋痛症、慢性疼痛の研究において堅牢なバイオマーカーをサポートすることがわかっています。このプロトコルは、世界中の研究者にとって一貫性があり、アクセス可能な、安静状態の脳波のための予測可能で十分に文書化され、標準化されたパイプラインの欠如に対処します。

[プレゼンター]まず、MATLAB を開き、生の脳波データ ファイルを含むディレクトリに移動します。生データファイルへのディレクトリパスを定義し、サブジェクトを含むリストを作成します。.mat ファイルのロード関数を使用して生データ ファイルをロードし、各ファイルを .mat 形式で保存して、データの整合性を確保し、関連するすべてのメタデータを保持します。MATLAB を開き、MATLAB ファイルを含むディレクトリに移動します。EEG ラボ ツールボックスの pop load set 関数を使用して、各被験者の EEG データセットを読み込みます。EEGキャップ構成に対応する適切な電極位置ファイルが作業ディレクトリに用意されていることを確認します。pop_chanedit機能を使用して、電極の位置を適用します。EEG labs GUI を使用してチャネル レイアウトを目視検査し、すべての電極の正しい位置を確認します。pop_saveset関数を使用して、更新されたEEGデータセットを保存します。必要に応じて、pop resample機能を使用して、EEGデータのサンプリングレートを250ヘルツに下げます。バターワース設計とフィルター次数2のポップbasicfilter機能を使用して、1ヘルツから50ヘルツのバンドパスフィルターをチャネル1から128ヘルツに適用します。位相歪みを防ぐために、ゼロ位相の順方向および逆方向フィルタリングを使用します。PMノッチ設計とフィルター次数180のポップベーシックフィルターを使用して、チャンネル1から64までの50または60ヘルツのノッチフィルターを適用します。アーティファクト除去では、指定されたパラメータでクリーンな生データ関数を使用して、フラットラインチャネル、ノイズの多いセグメント、および低周波ドリフトを自動的に検出して除去します。EGラボのEEGプロットを使用してEEGデータを目視検査し、自動化された方法で見逃された残留アーティファクトを特定します。残りのアーティファクトを手動でマークして削除し、高いデータ品質を確保します。pop_rerefを使用して、EEG信号をすべての電極の平均に再参照し、元の参照電極が保持されるようにします。pop loadset を使用して、接尾辞 loc_filt_cleanraw_reref.set の付いたファイルをロードします。ルニカアルゴリズムでポップルニカ関数を使用して独立成分分析またはICAを実行し、脳波データを独立した成分に分解します。接尾部を付けて新しいデータ・セットを保管し、pop_savesetを使用して ICA の完了を示すloc_filt_cleanraw_reref_ICA。pop loadset を使用して ICA データ・セットをインポートします。デフォルトモデルでpop ICAラベル関数を実行して、独立したコンポーネントを脳とアーティファクトのカテゴリに分類します。脳活動確率が0.7を超えるすべてのコンポーネントを特定します。pop subcomp関数を使用して、ICラベルの脳確率が0.7未満のすべてのコンポーネントを削除します。脳活動確率が0.7を超えるコンポーネントのみを保持して、アーティファクトを効果的に除去しながら本物の信号を保持します。クリーンなデータセットをサフィックスを付けて保存し、pop_saveset を使用してloc_filt_cleanraw_reref_ac_cleanedします。最後に、pop loadset 関数を使用してアーティファクトのない ICA コンポーネントを含むデータセットをインポートし、pop_saveset を使用して完全に前処理および正規化されたデータセットをサフィックスloc_filt_cleanraw_reref_ICA_Normalized保存します。生の信号トレースとそれに対応するスペクトル特性の両方を含む、前処理前のEEGデータセットの初期状態をこの図に示します。生の脳波データは、複数のチャネルにわたって高レベルのノイズと不規則な信号トレースを示し、明瞭さと解釈可能性を損なっていました。EEGデータを手動でクリーニングすることで、信号のアーティファクトが減少し、波形の均一性が向上しましたが、いくつかの残留ノイズと不一致は目に見えるままでした。PIPEMAT-RSで処理されたデータは、一貫した信号構造とチャネル間での目に見えるアーティファクトを最小限に抑えた、最もクリーンなEEG波形を示しました。