脑电分析方法：可复现工作流示例

为什么把方法公开在这里

脑电分析的底层方法（预处理、ICA 去伪迹、ERP/频谱统计）本身是公开发表的学术方法，没有不能展示的技术秘密。真正需要判断的是"执行者是否做了正确且可复现的执行"——所以我们在页面中给出每步的参数与方法依据，便于研究团队交叉验证。公开性也意味着研究团队可以放心把数据交给我们处理：因为我们没有任何理由在标准方法上打折扣。

流程总览

1. 读取原始数据（EDF/BrainVision/CSV 等常见科研格式）
2. 带通滤波（默认 0.1–45 Hz，按地区加 50/60 Hz 陷波）
3. 坏信道检测与修复（低信噪、过大变异、缺失通道插值）
4. ICA 去伪迹（按成分结构与伪迹特征选择剔除分量）
5. 分段与基线校正（以刺激/反应标记切段，例如 -200~800 ms）
6. ERP 提取 / 频谱计算（按假设输出指标与统计参数）
7. 质控统计与交付（每例输出 QC 摘要、剔除比例、可复现脚本）

常规参数（可按研究假设调整并记录）

• 高通滤波 — 0.1 Hz（任务态较常见）或 1 Hz（实时/长记录场景），避免过度裁剪低频
• 低通滤波 — 45 Hz / 100 Hz（取决于研究信号频带），如需 50 Hz 干扰则同时加陷波
• 陷波 — 国内通常 50 Hz，海外 60 Hz
• 采样率保持 — 不做重采样，除非采样率与事件标记存在硬损伤
• 参考 — 平均参考或按电极子集再平均，需与研究设计沟通后固定
• ICA — Extended-Infomax 或 FastICA，根据眼动/肌电/心电成分特征选择剔除分量；策略与数量记录在 QC 报告中
• 统计 — 正态性检验后选参数或非参数；多重比较用 Bonferroni 或 cluster-based permutation

上述参数不是"标准答案"，而是默认起点；每个项目都按研究假设与数据形态在设计阶段书面确认，避免后期才发现的假设-方法不匹配。

核心脚本示意（MNE Python）

下方为分析流程的关键片段（为方法示意，不代表穷尽所有细节）：

import mne

# 1. 读取原始数据（EDF/BDF/CSV/BrainVision 等）
raw = mne.io.read_raw_edf("subject01.edf", preload=True)

# 2. 带通滤波（可含陷波）
raw.filter(0.1, 45., fir_design="firwin")
raw.notch_filter(50)   # 中国电网 50 Hz

# 3. 坏信道检测与插值
raw.set_eeg_reference("average", projection=True)
missing = raw.copy().interpolate_bads()
raw.info["bads"] = bad_channels   # 依据自动重检+人工复核

# 4. ICA 去伪迹（Extended Infomax / FastICA）
ica = mne.preprocessing.ICA(n_components=None, method="infomax").fit(raw)
eog_indices, _ = ica.find_bads_eog(raw, ch_name="Fp1")
ica.exclude = eog_indices
raw_clean = ica.apply(raw)

# 5. 分段与基线
epochs = mne.Epochs(raw_clean, events, event_id, tmin=-0.2, tmax=0.8,
                    baseline=(-0.2, 0))
epochs.drop_bad(reject=dict(eeg=120e-6))

# 6. ERP 平均与导出
evoked = epochs.average()
evoked.save("erp-ave.fif")
epochs.to_data_frame().to_csv("epochs.csv")

# 7. 频谱估计
psd = epochs.compute_psd(fmin=1, fmax=45)
psd.to_data_frame().to_csv("psd.csv", index=False)
      

完整工程版本在此基础上增加：跨被试并行、QC 汇总表、参数版本记录、报告自动生成。这些属于工程能力与规范化流程，而非需要保密的"私有方法"。

质控报告样例（去标识化）

以下为交付时随数据附送的 QC 摘要示例，帮助研究团队理解我们的透明度标准（内容为示意）：

【质控报告 - 样例 001】 数据量：32 通道 · 事件：oddball 目标/标准刺激
- 原始段数：4128 目标 + 20640 标准
- 剔除段：387（目标 9.4%，标准 6.8%），剔除原因：截断伪迹/超大瞬时值
- ICA：Extended-Infomax，共 32 个分量，剔除 3 个眼动/肌电分量
- 参考：平均参考；滤波：0.1-45Hz + 50Hz notch
- 数据质量：通道保持率 31/32（1 个低信噪通道处理后有插值修复）
- 输出：epochs.csv / psd.csv / erp-ave.fif / 本 QC 报告
      

每个定量决策（剔除阈值、分量数量、通道处理）在报告或脚本中都有出处，便于与委托方复核。

服务边界与不作承诺声明

• 不做医疗诊断结论 — 我们提供统计与数据层服务，不对个体做临床诊断或疗效判断，临床判读权始终在委托方。
• 明确不可分析的前提 — 如果原始数据存在系统性记录问题（如整段无事件标记、采样异常），我们会如实反馈而非强行产出无意义结果。
• 方法透明可复核 — 交付包含脚本与参数记录；委托方如希望用自己的团队复核，完全配合。
• 适用规定范围 — 承接科研/临床研究场景的数据分析，不涉及未授权的个人数据处理。

我们相信一套"清楚说明边界、不承诺不可能成果"的做事方式，正是高知研究团队愿意长期合作的基础。