第1章 脑电概述
1.1 EEG的节律分布
1.2 EEG采集系统
1.3 脑电处理常用软件
第2章 脑电信号的预处理
2.1 安装EEGLAB
2.2 预处理
2.2.1 载入数据
2.2.2 电极定位
2.2.3 剔除无用电极
2.2.4 基线校正
2.2.5 重参考
2.2.6 滤波
2.2.7 改变采样率
2.2.8 合并多个脑电数据
2.2.9 分段独立分量分析
2.2.12 剔除眼动等成分
2.3 总结
第3章 事件相关电位分析
3.1 ERP实验
3.1.1 ERP的提取原理
3.1.2 ERP研究的经典范式
3.1.3 常见ERP成分
3.1.4 实验设计需要注意的问题
3.1.5 实验记录
3.2 ERP 预处理
3.2.1 ERP分析需要注意的问题
3.2.2 E-Prime
3.2.3 Marker标记
3.2.4 ERP数据预处理
3.2.5 ERP数据显示
3.2.6 ICA组件频段贡献
3.3 总结
第4章 时频分析
4.1 基于 EEGLAB的脑电时频分析
4.1.1 时频变换
4.1.2 组件时间/频率变换
4.1.3 等价偶极子定位
4.1.4 电极位置文件
4.2 ERPLAB 时域分析
4.2.1 添加软件包
4.2.2 调整内存
4.2.3 设置ERPLAB字体
4.2.4 测试数据
4.2.5 ERPLAB预处理
4.2.6 ERP指标
4.2.7 SPSS统计
4.2.8 静息态脑电的功率谱分析
4.2.9 任务态脑电的时频分析
4.2.10 静息态 EEG信号功率的统计分析
4.3 总结
第5章 功能连接分析
5.1 静息态脑电功能连接分析
5.1.1 功能连接分析的基本原理
5.1.2 脑电功能连接的常用指标
5.2 相干
5.3 基于相位同步指标
5.3.1 相位同步
5.3.2 静息态EEG数据进行PLV/PLI计算的流程
5.4 基于格兰杰因果指标
5.5 基于信息论的指标
5.6 基于广义同步的指标
5.7 总结
第6章 溯源定位
6.1 sLORETA溯源
6.1.1 sLORETA溯源实操
6.1.2 统计检验
6.1.3 结果查看
6.1.4 基于sLORETA的源分析总结
6.2 Brainstorm 溯源
6.2.1 Brainstorm软件简介
6.2.2 溯源功能
6.2.3 微状态概念
6.2.4 脑电微状态的识别
6.2.5 微状态应用
6.2.6 Brainstorm实操
6.3 FieldTrip 溯源
6.3.1 FieldTrip 溯源流程
6.3.2 FieldTrip软件下载
6.3.3 FieldTrip软件安装
6.3.4 FieldTrip溯源程序
6.4 总结
第7章 脑电数据批处理
7.1 EEGLAB对脑电数据预处理的批处理
7.1.1 示例程序
7.1.2 举例程序
7.2 Brainstorm对脑电数据溯源的批处理
7,2.1 示例程序
7.2.2 举例程序
7.3 总结
第8章 Python脑电处理
8.1 读取数据
8.2 滤波
8.3 去伪迹
8.4 重参考
8.5 数据分段
8.6 叠加平均
8.7 时频分析
8.8 提取数据
8.9 程序Demo
8.10 总结
第9章 脑电的机器学习
9.1 机器学习
9.1.1 一般流程实现算法
9.1.3 模型评估
9.1.4 SVM
9.1.5 Anaconda
9.1.6 机器学习对脑电数据的处理流程
9.2 SVC举例
9.2.1 SVC程序示例
9.2.2 SVC程序举例
9.3 总结
结束语
参考文献