PIPEMAT-RS: 휴지 상태 EEG 전처리를 위한 표준화된 MATLAB 파이프라인의 개발 및 검증

우리는 신호 품질을 개선하고 노이즈를 줄이며 다양한 임상 및 실험 데이터 세트에서 일관된 신경생리학적 연구를 지원하기 위해 표준화된 EEG 전처리 파이프라인을 개발했습니다. RELAX 및 Automagic과 같은 최신 파이프라인은 자동화된 EEG 세척을 제공하지만 결과의 투명성과 일관성이 필요한 연구자와 학생을 위한 유연성이나 명확한 문서가 부족한 경우가 많습니다. EEG, Matlab, EEG lab 및 ICA 기반 아티팩트 거부를 ICLabel과 같은 자동 분류기와 결합하여 데이터 품질을 향상시키고 전처리 워크플로를 간소화합니다. PIPEMAT-RS는 뇌졸중, 섬유근육통 및 만성 통증 연구에서 EEG 신호 품질을 개선하고 SNR을 증가시키며 강력한 바이오마커를 지원하는 것으로 밝혀졌습니다. 이 프로토콜은 전 세계 연구자들이 일관되고 접근할 수 있는 휴식 상태 EEG에 대한 예측 가능하고 잘 문서화되고 표준화된 파이프라인의 부족을 해결합니다.

[발표자] 시작하려면 MATLAB을 열고 원시 뇌파도 데이터 파일이 포함된 디렉터리로 이동합니다. 원시 데이터 파일의 디렉터리 경로를 정의하고 주제가 포함된 목록을 만듭니다. .mat 파일에 대한 로드 기능을 사용하여 원시 데이터 파일을 로드하고 각 파일을 .mat 형식으로 저장하여 데이터 무결성을 보장하고 모든 관련 메타데이터를 유지합니다. MATLAB을 열고 MATLAB 파일이 포함된 디렉터리로 이동합니다. EEG 실험실 도구 상자의 팝 로드 세트 기능을 사용하여 각 피험자의 EEG 데이터 세트를 로드합니다. EEG 캡 구성에 해당하는 적절한 전극 위치 파일이 작업 디렉토리에서 사용 가능한지 확인하십시오. pop_chanedit 기능을 사용하여 전극 위치를 적용합니다. EEG 실험실 GUI를 사용하여 채널 레이아웃을 육안으로 검사하여 모든 전극의 올바른 위치를 확인합니다. pop_saveset 함수를 사용하여 업데이트된 EEG 데이터 세트를 저장합니다. 필요한 경우 pop resample 기능을 사용하여 EEG 데이터의 샘플링 속도를 250헤르츠로 줄입니다. Butterworth 설계 및 필터 차수 2의 pop basicfilter 기능을 사용하여 1 헤르츠에서 50 헤르츠까지의 대역 통과 필터를 채널 1에서 128까지 적용합니다. 위상 왜곡을 방지하기 위해 제로 위상 순방향 및 역방향 필터링을 사용합니다. PM 노치 설계와 필터 차수 180의 팝 기본 필터를 사용하여 채널 1에서 64까지 50 또는 60헤르츠의 노치 필터를 적용합니다. 아티팩트 거부의 경우 지정된 매개변수와 함께 클린 원시 데이터 기능을 사용하여 플랫라인 채널, 노이즈가 많은 세그먼트 및 저주파 드리프트를 자동으로 감지하고 제거합니다. EG 실험실의 EEG 플롯을 사용하여 EEG 데이터를 육안으로 검사하여 자동화된 방법으로 누락된 잔여 아티팩트를 식별합니다. 높은 데이터 품질을 보장하기 위해 나머지 아티팩트를 수동으로 표시하고 제거합니다. pop_reref 사용하여 EEG 신호를 모든 전극의 평균으로 다시 참조하여 원래 기준 전극이 유지되도록 합니다. pop loadset을 사용하여 접미사 loc_filt_cleanraw_reref.set이 있는 파일을 로드합니다. runica 알고리즘과 함께 pop runica 함수를 사용하여 독립 성분 분석 또는 ICA를 실행하여 EEG 데이터를 독립적인 성분으로 분해합니다. 접미부와 함께 새 데이터 세트를 저장loc_filt_cleanraw_reref_ICA pop_saveset 사용하여 ICA 완료를 표시하십시오. pop loadset을 사용하여 ICA 데이터 세트를 가져옵니다. 기본 모델과 함께 pop ICA 레이블 함수를 실행하여 독립 구성 요소를 뇌 및 아티팩트 범주로 분류합니다. 뇌 활동 확률이 0.7 이상인 모든 구성 요소를 식별합니다. pop subcomp 함수를 사용하여 IC 레이블 브레인 확률이 0.7 미만인 모든 구성 요소를 제거합니다. 뇌 활동 확률이 0.7 이상인 구성 요소만 유지하여 실제 신호를 보존하는 동시에 아티팩트를 효과적으로 제거합니다. pop_saveset를 사용하여 접미사를 사용하여 정리된 데이터 세트를 저장loc_filt_cleanraw_reref_ac_cleaned. 마지막으로 pop loadset 함수를 사용하여 아티팩트 없는 ICA 구성 요소가 있는 데이터 세트를 가져오고 pop_saveset loc_filt_cleanraw_reref_ICA_Normalized 접미사와 함께 완전히 전처리되고 정규화된 데이터 세트를 저장합니다. 원시 신호 트레이스와 해당 스펙트럼 특성을 모두 포함하여 전처리 전 EEG 데이터 세트의 초기 상태가 이 그림에 설명되어 있습니다. 원시 EEG 데이터는 여러 채널에 걸쳐 높은 수준의 노이즈와 불규칙한 신호 추적을 보여 명확성과 해석 가능성을 손상시켰습니다. EEG 데이터를 수동으로 정리하면 신호 아티팩트가 줄어들고 파형 균일성이 향상되었지만 일부 잔류 노이즈와 불일치는 여전히 눈에 띄었습니다. PIPEMAT-RS로 처리된 데이터는 일관된 신호 구조와 채널 전반에 걸쳐 눈에 보이는 아티팩트를 최소화하는 가장 깨끗한 EEG 파형을 보여주었습니다.