脑电分析中的基线校正

引入

今天突然想到了这个东西,还是简单写写吧。这篇肯定是非常简单非常简单的那种,以后会不会继续更新,这个就随缘吧(一贯作风)。如果有些写的不对还请指正。
同样,为了厘清思路,本文依然会划分为几个部分:
基线校正是什么?
为什么需要基线校正?
基线校正的适用场合和一般使用方式

基线校正是什么?

基线校正Baseline Correction,从字面理解就是对基线进行校正。这里有两个方面,首先,基线是什么?如何确定基线?另外一个方面是,为什么要校正以及如何校正。
我们先默认是需要进行基线校正的,关于为什么需要,这个背后的原因会在第二部分进一步说明。所以,既然是一种校正,那么,这也就说明了,一定是存在偏差的,校正的目的就是为了减少偏差。
那么,什么是基线?简单来说,基线就是基础线,是一个一般意义上大部分时候会出现的情况,也就是常态。在脑电中就是刺激前/event的一段时间。
基线校正这个环节一般都是出现在预处理的分段之后的。在分段时要划分event/刺激,一般分段并不是从刺激开始的时候才开始的,而是在刺激出现前后各划分一段时间,这样,以刺激出现为0点,刺激前时间为负值,刺激后时间为正值。例如,分段为[-1 2]代表刺激为0点,在刺激前取1s和刺激后取2s共3s。
综上所述,简单来说,基线校正就是一般在预处理的分段之后使用的一种减少偏差的方法。

为什么需要基线校正?

基线校正是为了减少偏差,但是为什么会出现偏差呢?原因就是不稳定。
在实际的数据中,会发现数据会飘。大概就是下面这样:表示一个ERP的实验数据,红色是每个分段,虽然每个分段中的波形是差不多的(就当成差不多吧),但是它们并不是在同一个水平面上,也可以理解为相对值一样,但是绝对值不同。如果不进行校正,直接平均会影响结果。
所以说,ERP中的基线校正实际上也可以看成是一种线性平移。

灵魂画作

基线校正的适用场合和一般使用方式

常见的基线校正就是在预处理分段后的时候。关于这部分的解释:“Baseline correction is a linear operation because we are just computing the average of the points from the baseline period (which is a linear operation) and subtracting this average from each point in the waveform (which is also a linear operation). This means that you can perform baseline correction before or after any other linear process and get exactly the same result. However, artifact rejection is a nonlinear process, so you may not get the same result by performing baseline correction before versus after artifact rejection. This will depend on the nature of the artifact rejection algorithm. If the algorithm uses a simple voltage threshold, then you really need to perform baseline correction prior to artifact rejection. However, the moving average peak-to-peak and step function algorithms are not influenced by baseline correction, so you can apply these algorithms either before or after baseline correction. This does not mean that these artifact rejection algorithms are linear; it just means that they do not take the baseline voltage into account.”(by https://erpinfo.org/order-of-steps

另外,从数据类型方面考虑的话,静息态eeg可以不用做基线校正,因为它默认是一种稳态数据,也没有任何刺激。基线校正更多的出现在ERP等有刺激出现时候的研究中的。但是这并不是说静息态eeg就不可以做基线校正了,这还需要多去参考相关领域paper的处理步骤。
从分析方法方面考虑的话,ERP是需要进行基线校正的,频域分析一般不需要。因为频域关注的是其频率上的信息,这部分不受基线的影响。时频分析还是会需要的,尤其是在ERD和ERS中,有时为了凸显出变化,会进行基线校正,但是这里的基线校正需要注意,并非指的是预处理时的,而是在预处理之后,进行进一步时频分析,为了凸显出刺激前后变化,即ERD/ERS发生而进行的基线校正,即将未经过基线校正的结果减去或除以基线。(静息态的时频也一般不用基线校正)
可以不准确的总结一下,一般和时间维度相关,有刺激的数据更需要考虑进行基线校正。基线校正也不仅仅出现在预处理中,有时为了凸显出变化,也会进行基线校正。但是具体想要确定是否需要进行这步操作还是要具体情况具体分析,最好就是找篇相似领域的文章模仿操作。

最后补充一个链接,里面有关于ERP中基线校正的更多的细节信息:http://www.360doc.com/content/17/0510/21/31769764_652803075.shtml
最后最后,关于基线校正,最近还有一种说法是,ERP中基线校正作为强高通滤波的潜在替代,其实没有必要存在。在统计学上传统的基线校正是不必要的,甚至是不可取的。但是,现在这种说法感觉还是没有大型推广起来,新发的很多文章还是会有基线校正这个步骤。还是仁者见仁智者见智吧。

©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 206,126评论 6 481
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 88,254评论 2 382
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 152,445评论 0 341
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 55,185评论 1 278
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 64,178评论 5 371
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,970评论 1 284
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 38,276评论 3 399
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,927评论 0 259
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 43,400评论 1 300
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,883评论 2 323
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,997评论 1 333
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,646评论 4 322
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 39,213评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,204评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,423评论 1 260
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 45,423评论 2 352
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,722评论 2 345

推荐阅读更多精彩内容