模块 8 · 前沿分析专题
论文里出现频率最高的进阶方法集中营：微状态、跨频耦合、主成分、 非线性动力学与试次间同步。每一讲都独立成篇，按你的研究方向选学。
🎯 本模块你将学到
- 掌握微状态分析的完整流程，包括GFP计算、聚类、反向拟合与指标解读
- 理解CFC的原理与陷阱，能独立实现PAC的Matlab代码与置换检验
- 区分PCA在脑电中的两类应用，掌握成分数选择与Varimax轮换方法
- 掌握样本熵与LZC的计算与临床应用，理解非线性指标的参数敏感性
课时列表
静息态 EEG 微状态分析（上）
脑电数据分析课程8.1：微状态分析的完整入门：头皮拓扑的"准稳态"切换与频道类比、GFP全局场功率与峰值提取、极性无关k-means聚类、反向拟合，以及duration、occurrence、coverage、转移概率等指标计算与组级统计流程。
任务态微状态分析（下）：CARTOOL 实操
脑电数据分析课程8.2：CARTOOL软件介绍与安装导入、任务态微状态的核心思路（用静息态或全体数据确定原型地图再拟合到epoch）、时间锁定叠加得到"微状态版ERP"、输出指标导出与Matlab统计的衔接分工。
CFC 跨频率耦合（上）：原理与陷阱
脑电数据分析课程8.3：跨频率耦合的概念与类型（PAC/PPC/AAC）、θ-γ耦合与记忆的经典发现、相位分箱与调制深度的计算直觉、MI等指标对比，以及边缘效应、谐波伪耦合、1/f尖峰、窗口长度与多重比较的陷阱清单。
CFC 跨频率耦合（下）：Matlab 实现
脑电数据分析课程8.4：PAC的完整代码实现：零相位带通滤波与边缘剔除、希尔伯特变换求相位与包络、相位分箱计算调制指数MI、循环平移置换检验、已知耦合的仿真验证、comodulogram热图与组级分析骨架及报告规范。
PCA 主成分分析
脑电数据分析课程8.5：PCA找方差最大方向的直觉与协方差特征分解、空间PCA与时间PCA两类脑电用法、pca函数与手写eig对照、碎石图Kaiser准则与平行分析选成分数、PCA与ICA对比表及varimax轮换的作用。
脑电非线性分析：熵与复杂度
脑电数据分析课程8.6：非线性分析的动机与相空间重构直觉、近似熵/样本熵/模糊熵的原理与参数选择、Lempel-Ziv复杂度与多维LZC、样本熵与LZC手写代码、意识障碍/发育/老化等应用场景与数据长度参数报告注意事项。
试次间相干（ITPC）
脑电数据分析课程8.7：试次间相干ITPC的概念与"相位锁定"含义、与ERP和ERD/ERS的互补关系、复小波卷积的完整实现、试次数偏倚与Rayleigh检验、组间比较与报告规范，并回顾28课全脉络与后续学习路径。