sLORETA 溯源实战：ERP 与静息态

一、sLORETA：给逆解装上"标准化标尺"

7.2 末尾我们抱怨过 MNE 的深度偏置：深部源被低估、浅部被高估，不同深度的激活值根本不可比。 sLORETA（standardized Low Resolution brain Electromagnetic Tomography）的解法聪明而直接： 在 MNE 类逆解之上再加一层统计标准化——把每个体素的估计值除以"假如这个体素是真源时， 估计值本身应该有多大的波动"。

类比很日常：把原始分换算成标准分（z 分数）。语文卷面 90 分和数学卷面 85 分不可比， 但各自班级的 z 分数可比。sLORETA 做的就是给每个脑区一个"z 分数"——深的源天然"难考高分"， 那就把它的分母也加大。深度偏置因此大幅缓解（不是完全消除，注意措辞）。

零误差定位（zero localization error）是 sLORETA 的招牌性质：Pascual-Marqui 在 2002 年证明， 在无噪声条件下，sLORETA 图的峰值恰好落在真源位置。注意它说的是"峰值不偏"， 不是说分辨率高——sLORETA 依然是低分辨率方法，峰值周围照样抹开一大片。 论文里既不能拿这句话吹精度，也不能因为它"分辨率低"而不敢用：它换来的是对深度更公平的统计推断。

二、sLORETA 软件包：一个独立于 Matlab 的世界

sLORETA 有一条与前两节课完全不同的实现路线：苏黎世大学 KEY 脑智研究所（Pascual-Marqui 团队）开发的 独立软件包。它的特点决定了你什么时候会选它：

• 独立 GUI，不占 Matlab 许可证：在 Windows 上直接运行——要么是完全独立的可执行版， 要么基于可免费下载的 Matlab Compiler Runtime，总之无需购买 Matlab；
• 固定在模板空间：解空间取 MNI152 标准脑的皮层灰质 + 海马（约 6239 个体素、5mm 分辨率）。 你不能导入个体 MRI——这不是缺陷而是设计：所有被试都在同一副标准脑上， 天然免去了 7.2 第七节"归一化对齐"的整段工作，组级统计开箱即用；
• 代价：头模型与真实头形的偏差、电极配准误差都会进入结果。适合"没有个体 MRI、 想快速得到可复现的组级统计"的场景；有个体 MRI 且要精细定位时，FieldTrip 路线更合适。

三、ERP 溯源实战：从数据准备到玻璃脑

sLORETA 不直接读取 .set / .edf 这类你熟悉的格式，它有自己支持的一批输入格式（常见如 Neuroscan 的 .dat/.avg、BESA 的 .swf 等，随版本略有差异）。所以数据准备是这一课的第一个硬功夫：

1. 在 EEGLAB 里把该做的都做完：预处理、分段、必要的平均（导出平均还是分段，取决于你要做单被试定位还是让 sLORETA 内部处理试次）；
2. 导出：经 EEGLAB 的 File > Export > Data to EDF/BDF/GDF file 菜单写成通用格式， 或由采集软件/转换工具直接导出 sLORETA 支持的 .dat / .swf 等格式；
3. 跨平台转换的三查：电极名是否标准、通道顺序是否一致、参考是否统一（sLORETA 家族默认平均参考）——跨软件转换的头号事故全在这三件事上。

% ---- 导出前的三项自检（在 EEGLAB 命令行运行）----
disp(unique({EEG.chanlocs.labels}'));   % 1. 电极名应为标准名（Fp1、Cz、O2……）
disp(EEG.ref);                          % 2. 当前参考：sLORETA 家族按平均参考设计
disp(EEG.srate);                        % 3. 采样率：必要时先降采样，导出文件更小
% 三项确认后经 File > Export 菜单导出，或由转换工具写成 .dat / .swf

进入 sLORETA 后，ERP 溯源的流程是四步：

1. 导入数据并核对电极：选择与你采集系统匹配的电极配置（通道数与命名要一一对应）；
2. 指定时间窗：只对感兴趣的窗口求解，例如 P300 就取峰值附近 ±50ms——一窗一成分， 不要整段从头算到尾（时间窗不同，答案不同，这也是要在方法部分报告的参数）；
3. 计算：等待几秒到几分钟，得到每个体素的电流密度；
查看结果

结果查看器是 sLORETA 的招牌：3D 玻璃脑——半透明的标准脑上叠加热力图， 配合矢状/冠状/横断三个正交切片和一个数值表（体素坐标 + 激活强度 + 对应的解剖区域）。 峰值体素的 MNI 坐标要抄进论文，别只截一张图。

四、静息态溯源：频段功率的源定位

静息态数据的溯源逻辑与 ERP 完全不同：没有事件可锁时，"按时间窗切"变成"按频段切"。 sLORETA 对静息态的标准做法是先计算交叉谱（cross-spectrum）—— 即各频段上电极两两之间的谱关系——再把每个频段的功率投到源空间。

与 ERP 输入的关键区别：

• 输入是分段或连续的静息数据，不需要平均，反而要保留分段以便估计谱；
• 数据量要求更高：功率谱要稳定，通常需要分钟级净数据；
• 更怕伪迹：没有事件可对齐，眨眼、肌电会直接污染频段功率——γ 频段的"激活"里有相当一部分其实是颈部肌电。静息态分析的预处理要从严（模块 2 的功课在这升值）。

五、内置统计：log-F、置换与自举

sLORETA 最大的工程优势是统计内置：不需要你把结果导出再写代码， 软件直接完成组间/条件间的比较与校正。理解它的三件套：

1. 检验类型：配对样本或独立样本 t 检验——对应"被试内两条件比较"与"两组被试比较"两种最常见的设计。 对频段功率这类明显非正态、量纲又不齐的量，谱域比较用 log-F 比值：
2. 校正方式：非参数置换（randomization）或自举（bootstrap）， 配合全脑最大值法校正多重比较——用"整个脑里最极端的统计量"作为显著性门槛， 既不用假设体素独立（逐体素 Bonferroni 会过分保守），又控制住了整体假阳性。
3. 输出：阈值化后的显著差异图（标注校正后 p 值）+ 显著体素清单。

这套思路（置换 + 全脑最大值校正）与 FieldTrip 的 ft_sourcestatistics（7.2 第七节）一脉相承—— 学会一个，另一个也就懂了。区别只在：sLORETA 把它包进了按钮里，FieldTrip 要你自己拼 cfg。

六、结果报告与图件输出

一份合格的 sLORETA 结果报告，图件与参数要配齐：

• 图件清单：3D 玻璃脑截图（附色标与显著阈值）、三个正交切片图、必要时附峰值体素表（MNI 坐标 + 解剖区域 + 统计量）；
• 方法必报参数：软件版本、头模型（模板 BEM/MNI152、6239 体素）、频段定义或时间窗、 统计方法（配对/独立、log-F、置换次数、校正方式）、被试数与排除标准。

七、三条路线怎么选：MNE / Beamformer / sLORETA

模块 7 收官，把三条路线放在一张表里。先看表，再看选择口诀：

选择口诀（起点建议，不是铁律）：

• 做 ERP 成分定位与组间比较、没有个体 MRI → 从 sLORETA 起步，统计省心；
• 有 FieldTrip/EEGLAB 生态与个体 MRI，要精细可控 → MNE 是标准答案；
• 研究时频、诱导响应、虚拟电极或"先源后连" → Beamformer 不可替代；
• 拿不准 → 先用两条路线跑同一份数据交叉验证：峰值位置一致，结论才敢下（这也是审稿人眼里的加分动作）。

至此，模块 7 把"从头皮电位反推脑内活动"的完整工具链交到了你手上：原理（7.1）、 全局解（7.2）、空域滤波（7.3）、标准化与独立软件（7.4）。 模块 8 将把源定位的产物带进更前沿的应用：微状态、解码与预测——先源后用，路就通了。