ICA算法处理后，ICA成分识别

今天Rose分享一篇关于脑电成分、眼电成分等判断。

当Run ICA结束后，我们一般会判断ICA成分对应的是什么成分，是眨眼成分还是水平眼动成分或是线路噪声成分。

眼电判断的时候，可以结合头皮地形图、ERP图、每个成分功率谱图，以及矫正之后的脑电图是否有差异，进行综合的评估。

[Tips]:在删除伪迹成分时，一般只在自己很确定伪迹主成分的情况下才删除，不然很可能会删除自己想要的成分。

如果跑出来的成分，没有出现明显的伪迹成分，可以多跑几次ICA；或者不分段重新跑一次；再或者再看看原始数据，删除杂乱的成分，重新再跑一次。

这是一步是很需要经验的步骤，若是自己把握不准，可以让有经验的人帮忙看看。

眨眼成分

成分判断： 眨眼成分

判断依据：

在头皮地形图的前端分布；
ERP图像中有小方块；
随机分布；
功率谱图中，低频能量高；
成分排序较为靠前，像这个示例中，为IC3

[注意]：颜色的深浅有意义，但是红还是蓝无所谓，大红大蓝都可以的。

眼动成分

成分判断： 眼动成分

判断依据：

在头皮地形图的前端两侧分布，红蓝相对；
在ERP图像中，长条状，红蓝相间；
随机分布；
在功率谱图中低频能量高
分量排序靠前，但一般在眨眼后面，在该示例中为IC5.

头动成分

成分判断： 头动成分

判断依据：

在头皮地形图中分布在周围；
在ERP图像中呈现长条状；
随机分布；
在单个trial里有非常明显(非常长)的飘移。

心电成分

成分判断：心电成分

判断依据：

1.在ERP图像中呈雨点般散落状。

成分判断：工频干扰

判断依据：

头皮地形图显示分布在地线周围；
在ERP图像中单个trail上的分布非常规律；
在功率谱图中，50Hz左右能量最高(有剧烈的峰值)。

ICA判断网站，若是对ICA成分不熟悉，可以看看这个网站的介绍

网址：https://labeling.ucsd.edu/tutorial/labels

参考"行上行下"的内容并进行整理。

感谢简书ID:亚内士多德

授权分享

查看ICA成分

在计算完ICA之后，有几种方法可以查看ICA成分。

1.Tools >> reject data using ICA >> reject component by map
点击这里会画出所有ICA成分的缩略图，可以有一个全局观。在这里大致观察后如果觉得哪个成分有问题，可以点击查看大图

all component

点击地形图上方的数字来查看该成分的具体信息

2.Plot >> component properties
点击这里之后输入要查看的ICA成分，我这里输入的是1到54。之后eeglab会把这54个成分的具体信息都画出来。

识别ICA成分

画出具体信息之后，我们首先要认识一下这张图上各个地方代表什么。首先以这个成分为例。

而上面这个成分，能量分布在好几个电极点上，能量也是逐渐降低的，因此我们认为它是一个正常的成分。

而上面这两个成分，也可以通过上述标准来拒绝掉。

而上面这个成分，虽然下方的能量图看起来问题不大，但是通过右上角可以看出，能量主要集中在某几个trial。因此我们可以推测，这个成分是左上角这个电极点在某几个trials里坏掉了。

而上面这个成分，虽然后方有一个电极点有较深的红色，但是其他地方也均匀分布着能量，所以不认为这是一个坏的成分

虽然这个成分能量也集中在左下方电极点处，并且其他地方的能量基本为0。但是从右上方的图可以看出，能量均匀地出现在每一个trial的某个时间段处。因此，这很有可能是在左后方出现的一个ERP成分

同样，根据右上角的图可以看出，上面这两个也是明显的ERP成分

上面这个能量左右相对，虽然是左边强一点而右边弱一点，且低频能量高，很有可能是眼瞟成分。

而这个能量集中在正前方，且低频能量高，成分排序成分最靠前，是一个很明显的眼动成分。

判断标准

其实ICA成分的判断是没有标准的，全靠个人经验和标准，有的人比较宽松，有的人则比较严格。以上这些判断方法仅供参考。
如果不确定这个成分是不是伪迹，可以先保留着。或者多做几次ICA来判断，或者分别做一次剔除和一次未剔除的结果来比较看看。

文章来源于网络，仅用于学术，不用于商业行为，

若有侵权及疑问，请后台留言！

更多阅读

眼电、脑电视频课程汇总

DIY混合BCI刺激系统：SSVEP-P300 LED刺激

EMD算法之Hilbert-Huang Transform原理详解和案例分析

EEGLAB 使用教程 3 -参考电极和重采样

第2期 | 国内脑机接口领域专家教授汇总

精彩长文 | 脑机接口技术的现状与未来！

ICA处理脑电资料汇总

收藏 | 脑电EEG基础与处理汇总

脑机接口BCI学习交流QQ群：903290195