PIPEMAT-RS: Dinlenme Durumu EEG Ön İşleme için Standartlaştırılmış Bir MATLAB Boru Hattının Geliştirilmesi ve Doğrulanması

Sinyal kalitesini iyileştirmek, gürültüyü azaltmak ve çeşitli klinik ve deneysel veri setlerinde tutarlı nörofizyolojik araştırmaları desteklemek için standartlaştırılmış bir EEG ön işleme hattı geliştirdik. RELAX ve Automagic gibi yeni boru hatları otomatik EEG temizliği sunar, ancak sonuçların şeffaflığına ve tutarlılığına ihtiyaç duyan araştırmacılar ve öğrenciler için genellikle esneklik veya net belgelerden yoksundur. Veri kalitesini artırmak ve ön işleme iş akışlarını kolaylaştırmak için EEG, Matlab, EEG laboratuvarı ve ICLabel gibi otomatik sınıflandırıcılarla birlikte ICLabel tabanlı artefakt reddini kullanıyoruz. PIPEMAT-RS'nin EEG sinyal kalitesini iyileştirdiği, SNR'yi artırdığı ve inme, fibromiyalji ve kronik ağrı çalışmalarında sağlam biyobelirteçleri desteklediği bulunmuştur. Bu protokol, dünya çapındaki araştırmacılar için hem tutarlı hem de erişilebilir olan dinlenme durumu EEG'si için öngörülebilir, iyi belgelenmiş ve standartlaştırılmış bir boru hattının eksikliğini giderir.

[Sunucu] Başlamak için MATLAB'ı açın ve ham elektroensefalogram veri dosyalarını içeren dizine gidin. Ham veri dosyalarının dizin yolunu tanımlayın ve konuları içeren bir liste oluşturun. .mat dosyaları için yükleme işlevini kullanarak ham veri dosyasını yükleyin ve her dosyayı .mat biçiminde kaydederek veri bütünlüğünü sağlayın ve ilgili tüm meta verileri koruyun. MATLAB'ı açın ve MATLAB dosyalarını içeren dizine gidin. Her deneğin EEG veri setini yüklemek için EEG laboratuvarı araç kutusundaki pop load set işlevini kullanın. EEG başlığı konfigürasyonuna karşılık gelen uygun elektrot konum dosyasının çalışma dizininde mevcut olduğundan emin olun. Elektrot konumlarını uygulamak için pop_chanedit işlevini kullanın. Tüm elektrotların doğru konumlarını doğrulamak için EEG laboratuvarları GUI'yi kullanarak kanal düzenini görsel olarak inceleyin. pop_saveset işlevini kullanarak güncellenmiş EEG veri kümesini kaydedin. Gerekirse, pop yeniden örnekleme işlevini kullanarak EEG verilerinin örnekleme hızını 250 hertz'e düşürün. Butterworth tasarımı ve iki filtre sırası ile pop basicfilter işlevini kullanarak bir hertz'den 50 hertz'e kadar olan kanallara bir ila 128 arasında bir bant geçiren filtre uygulayın. Faz bozulmasını önlemek için sıfır faz ileri ve geri filtreleme kullanın. PM çentik tasarımı ve 180 filtre sırası ile pop basic filtreyi kullanarak birden 64'e kadar olan kanallara 50 veya 60 hertz'de bir çentik filtresi uygulayın. Artefakt reddi için, düz çizgi kanallarını, gürültülü segmentleri ve düşük frekanslı sapmaları otomatik olarak algılamak ve kaldırmak için verilen parametrelerle ham verileri temizle işlevini kullanın. Otomatik yöntem tarafından gözden kaçan kalıntı artefaktları belirlemek için EG laboratuvarından EEG grafiğini kullanarak EEG verilerini görsel olarak inceleyin. Yüksek veri kalitesi sağlamak için kalan yapıları el ile işaretleyin ve kaldırın. EEG sinyallerini tüm elektrotların ortalamasına yeniden referans vermek için pop_reref kullanın ve orijinal referans elektrodunun korunduğundan emin olun. Pop loadset kullanarak loc_filt_cleanraw_reref.set sonekiyle dosyayı yükleyin. EEG verilerini bağımsız bileşenlere ayrıştırmak için runica algoritması ile pop runica işlevini kullanarak bağımsız bileşen analizi veya ICA çalıştırın. Yeni veri kümesini son ekle kaydedin loc_filt_cleanraw_reref_ICA ICA tamamlandığını belirtmek için pop_saveset kullanın. Pop loadset'i kullanarak ICA veri setini içe aktarın. Bağımsız bileşenleri beyin ve artefakt kategorilerine ayırmak için pop ICA etiket işlevini varsayılan modelle çalıştırın. Beyin aktivitesi olasılığı 0.7'nin üzerinde olan tüm bileşenleri tanımlayın. IC etiketli beyin olasılığı 0,7'nin altında olan tüm bileşenleri çıkarmak için pop subcomp işlevini kullanın. Artefaktların etkili bir şekilde çıkarılmasını sağlarken gerçek sinyalleri korumak için yalnızca beyin aktivitesi olasılığı 0,7'nin üzerinde olan bileşenleri saklayın. Temiz veri kümesini sonekle kaydedin loc_filt_cleanraw_reref_ac_cleaned pop_saveset kullanarak kaydedin. Son olarak, pop loadset işlevini kullanarak yapıt içermeyen ICA bileşenlerine sahip veri kümesini içeri aktarın ve tamamen önceden işlenmiş ve normalleştirilmiş veri kümesini pop_saveset kullanarak loc_filt_cleanraw_reref_ICA_Normalized sonekle kaydedin. Hem ham sinyal izleri hem de bunlara karşılık gelen spektral özellikler dahil olmak üzere, herhangi bir ön işlemden önce EEG veri setinin ilk durumu bu şekilde gösterilmektedir. Ham EEG verileri, birden fazla kanalda yüksek düzeyde gürültü ve düzensiz sinyal izleri sergileyerek netliği ve yorumlanabilirliği tehlikeye attı. EEG verilerinin manuel olarak temizlenmesi, sinyal artefaktlarını azalttı ve dalga formu homojenliğini iyileştirdi, ancak bazı artık gürültü ve tutarsızlıklar görünür kaldı. PIPEMAT-RS ile işlenen veriler, tutarlı sinyal yapısı ve kanallar arasında minimum görünür artefakt ile en temiz EEG dalga formlarını sergiledi.