数据分析
01 丨 频谱分析
Band Power Analysis
原理：
EEG信号可分解为不同频率的振荡成分，各频段与特定认知、生理状态相关。主要频段及意义：
δ波 (0.5-4 Hz)：
深度睡眠
病理状态（如脑损伤）
θ波 (4-8 Hz)：
冥想、记忆编码
疲劳状态
α波 (8-12 Hz)：
闭眼放松状态（枕叶最明显）
抑制无关信息处理
β波 (12-30 Hz)：
专注、焦虑
（前额叶β升高可能反映压力）
γ波 (>30Hz)：
高级认知（注意、知觉绑定），
可能受肌电干扰
应用：
睡眠分期、注意力评估（如α/β比值衡量放松度）
神经反馈训练（如增强θ波改善创造力）
02 丨 事件相关电位
Event-Related Potentiial(ERP)
原理：
通过时间锁定叠加技术，提取与特定刺激（视觉、听觉）相关的微弱脑电响应。
经典成分：
P100/N170：
早期视觉加工
（如面孔识别）
N200：
冲突监测
（如Go/NoGo任务）
P300：
决策与注意力资源分配
（潜伏期反映认知负荷）
应用：
认知功能障碍评估（如精神分裂症患者P300幅值降低）
消费者神经营销（评估广告吸引力）
03 丨 稳态视觉诱发电位
Steady-State Visual Evoked Potential(SSVEP)
原理：
对视觉刺激以固定频率闪烁（如15Hz），EEG中会同步出现同频谐波响应。
特点：
信噪比高，适合脑机接口（BCI）控制（如光标移动）。
频率特异性可区分不同指令（如12Hz vs. 15Hz对应不同操作）。
应用：
无创BCI系统开发（如拼写器、轮椅控制）
大脑注意力追踪（SSVEP幅值反映视觉专注度）
04 丨 大脑地形图
Brain Topographic Mapping
原理：
将多通道EEG的时域/频域特征映射到头皮二维空间，可视化脑区活动差异。
关键图类型：
功率地形图：
显示特定频段（如α波）在各脑区的能量分布
差异地形图：
对比两组（如病人vs.健康人）的脑电活动差异
05 丨 微状态分析
Microstate Analysis
原理：
EEG信号在毫秒级时间内由若干“准稳定”状态（微状态）组成，反映大脑功能网络的快速切换。
经典微状态通过地形图聚类分为四类（A~D）：
A（左前-右后）：
语言加工
B（右前-左后）：
视觉空间处理
C/D：
突显网络与注意调控
06 丨 功能连接
Brain Functional Connectivity
原理：
通过统计方法量化不同脑区活动的相关性，反映信息交互模式。
常用指标：
相干性 Coherence：
频域相关性（如θ波跨半球连接增强反映记忆任务）
相位同步 PLV：
时域锁相程度（异常同步可能与癫痫相关）
格兰杰因果 Granger Causality：
方向性连（前额叶到顶叶的信息流）