数据标注
Data Annotations
在脑电实验中，事件标记（Mark）被用来区分实验条件、记录刺激呈现或反应的准确时间，并嵌入EEG信号的时间 轴中。Mark是实现时间同步的核心手段，是构建“刺激-相应-记录”之间的时间桥梁的关键角色。
编码规范：
研究者通常会采用统一的编码规则，如使用数字或字母表示不同的事件类型，便于后续分析。
标注类型：
根据实验需求的不同，Mark分为以下3类。
刺激类别Mark：
每个实验条件或刺激类型具有唯一Mark，例如，声音刺激标记为"11"，视觉刺激标记为"12"。
反应事件Mark：
根据被试的反应标记不同的类型，例如，判断正确标记为"1"，错误标记为"2"。
刺激标号Mark：
每个试次具有唯一的mark，便于后期剔除异常的数据。
多模态标注：
将EEG数据与其他数据类型结合，以提供更全面的分析视角，探索大脑活动与个体的行为、心理状态之间的关系。
行为数据
记录参与者的行为反应
如按键反应时间、正确率等
问卷数据
收集参与者的主观评价
如疲劳感、注意力水平等
生理数据
心率、皮肤电反应等，与脑电
数据结合进行多模态分析。
数据预处理与降噪
Data preprocessing and denoising
1、脑电信号是一种随机性很强的生理信号，幅度微弱，容易被无关噪音污染，从而形成各种伪迹。因此，从头皮电 极上直接记录到的脑电信号往往不能准确代表大脑的神经信号，需要对进一步的预处理和降噪。
2、脑电信号中的伪迹大致可分为两类：生理伪迹和非生理伪迹。生理伪迹通常由靠近头部的身体活动造成，如眼 睛、肌肉、心脏、皮肤等，非生理伪迹则源自电极与皮肤接触、设备性能、环境因素等。
脑电信号中的生理伪迹和非生理伪迹
生理伪迹
眼电伪迹，如眨眼、眼动
肌电伪迹，如颈肌、颞肌活动
心电伪迹，如心跳
其他伪迹，如头皮出汗或位移等
非生理伪迹
市电干扰：50Hz（欧洲）、60Hz（美国）
电极伪迹，如电极与头皮接触不良
脑电记录系统故障，如放大器\"噪声\"
环境因素，如电线或电路板接触不良
常见的脑电信号预处理步骤：
根据伪迹的频率范围选择合理的滤波器，可以有效减少原始脑电数据中的伪迹。例如，高通设置为0.1Hz，低通设置为40Hz，可以保留0.1～40Hz范围内的数据。通常使用凹陷滤波消除特定频率的干扰，例如，50Hz的市电干扰。滤波通常作为预处理的第一步，不然容易引入滤波伪迹。
选择参考电极时尽可能选择远离兴趣区的电极。乳突及耳垂因其远离其他电极，记录到的大脑活动较少，常被用作参考。对于较大密度且分布均匀的脑电记录系统，通常推荐使用平均参考法。若电极数量小于32，则不适合采用平均参考。
为研究感觉或认知时间诱发的脑电响应，可以对刺激开始前后的脑电数据进行分段。如刺激前100ms到刺激后600ms。为消除自发脑电波导致的脑电噪声，分段数据各点减去一个平均基线值，进行基线校正。对于静息态数据，这一步不是必需的。但在实际操作中为了便于分析，有时候也会分段，一般为几秒的非重叠段。
某些电极发生通道故障、接触不良等问题，这些导联被称为坏导。这一情况在高密度脑电采集设备中非常常见。在后续的数据分析之前有必要找出并剔除坏导。
在数据采集中，某些分段存在明显伪迹，如肌电伪迹过多。因为疲倦没有专注于任务上等。常用的坏段剔除方法是基于交互界面直观地检查数据，但对于坏段是否应该被剔除存在争议。除此之外，研究者也会剔除被试反应错误的试次。
ICA分解原始脑电数据后，将分离的独立成分划分为伪迹和神经活动相关成分，剔除被标记为伪迹的相关成分后，对其他数据进行重组，从而保留真实的脑电信号。