第6章:ERP 分析¶

手上有了干净的分段数据后,本章要把它们平均成事件相关电位并查看结果——这正是 MNE-Python 教程ERP 分析一章中以代码形式讲解的最后一步。

绘制诱发反应¶

Plot → Plot Evoked... 会把当前的分段数据在每个通道上平均成单一的诱发波形并绘制出来——这对应代码中先 epochs.average() 再 evoked.plot() 的操作。
Plot → Plot Evoked Comparison... 会把来自两个条件(两次不同的分段选择)的诱发反应叠加在同一坐标轴上——这是查看条件之间差异(比如目标刺激与标准刺激)的常规方法。
Plot → Plot Evoked Topomaps... 会展示所选时间点上诱发反应在头皮上的分布,有助于确认像 P300 或 N400 这样的成分是否在预期的头皮位置达到峰值。

不止于普通 ERP:ERSP/ERD-ERS¶

如果你关心的问题是随时间变化的功率变化而非平均波形本身,Plot → Plot ERDS Maps... 和 Plot → Plot ERDS Topomaps... 可以计算事件相关频谱扰动(也称为事件相关去同步化/同步化,ERD/ERS)——这是 MNELAB 在常规 ERP 平均之外支持的一种互补的时频视角。

导出结果¶

File → Export 可以把当前的数据集——无论是原始数据、分段数据还是诱发反应——导出为 FIF、EDF、EEGLAB 或 BrainVision 格式,并将事件、标注和坏道列表一并保存。如果你打算继续在 MNE-Python 中工作,FIF 是自然的选择,而这正是接下来最后一章要讲的内容。

下一步: 第7章 — 从菜单到脚本:历史面板