腦電圖分析粵拼nou5 din6 tou4 fan1 sik1英文EEG analysis)係指運用訊號處理同電腦科技嚟由腦電圖(EEG)數據嗰度獲取資訊嘅過程:腦電圖會俾出一大柞「邊個邊個時間點,個頭邊個邊個位嗰度量度到幾多微電壓」嘅數據,跟手研究者就會想對呢啲數據進行分析,由數據嗰度得出能夠描述研究緊嘅現象嘅數學模型[1],以及將啲數據轉化成有用嘅資訊;研究者可以對某段時間之間個頭某個位嘅微電壓進行分析,嘗試將得到嘅量度拆開變成幾個腦電波(brainwave),再睇吓邊個頻率嘅腦電波活動最勁,而呢樣資訊會講到有用嘅嘢俾研究者聽,例如如果某個腦區喺某段時間當中嘅 delta 波(簡單啲講就係一種反映低活動嘅腦電波)活動零舍勁,噉可能表示嗰個腦區受咗損[2][3]

一幅典型嘅腦電圖;X 軸係時間,Y 軸係電壓。上面呢幅有多條線,噉係因為個研究者度咗個頭好多唔同位置嘅微電壓,每條線代表咗個頭某一個特定位置嘅微電壓隨時間嘅改變。

分類 編輯

腦電圖分析(EEG analysis)大致上可以分三種[4]

  • 時域(time domain):分析啲訊號嘅時間點相關資訊,例如係喺做咗幾次同一樣嘅試驗之後,睇吓會唔會(例如)次次試驗嘅第 30 秒都會有個零舍強嘅微電壓(睇埋下面事件相關電位);會考慮嘅嘢包括
    • 功率(power, ): 
    • 平均值(mean, ): 
    • 變異數(variance, ): ... 等等,仲可以計呢啲數據 foreach 時段嘅數值[5]
  • 頻域(frequency domain):分析啲訊號嘅頻率相關資訊,例如係將某段時間之間嘅訊號拆開變幾個腦電波,再分析每個腦電波嘅波幅;詳情可以睇下面腦電波傅立葉變換
    傅立葉變換最基本條式:   係一個頻率嘅函數,而   係一個時間嘅函數[6]
  • 時頻分析(time-frequency analysis): 指同時分析時間點同頻率相關嘅資訊,例如係比較唔同時段(時間分析),睇吓唔同時段喺「邊個頻率嘅腦電波振幅最勁」(頻率分析)上會唔會有差異[7]

睇埋 編輯

參考書 編輯

  • Brazier, M. A. B. (1970), The Electrical Activity of the Nervous System, London: Pitman.

編輯

  1. Pardey, J.; Roberts, S.; Tarassenko, L. (January 1996). "A review of parametric modelling techniques for EEG analysis". Medical Engineering & Physics. 18 (1): 2–11.
  2. Knyazev, G. G. (2012). EEG delta oscillations as a correlate of basic homeostatic and motivational processes. Neuroscience & Biobehavioral Reviews, 36(1), 677-695.
  3. Feinberg, I., March, J. D., Floyd, T. C., Jimison, R., Bossom-Demitrack, L., & Katz, P. H. (1985). Homeostatic changes during post-nap sleep maintain baseline levels of delta EEG. Electroencephalography and Clinical Neurophysiology, 61(2), 134-137.
  4. Acharya, U. Rajendra; Vinitha Sree, S.; Swapna, G.; Martis, Roshan Joy; Suri, Jasjit S. (June 2013). "Automated EEG analysis of epilepsy: A review". Knowledge-Based Systems. 45: 147–165.
  5. Hjorth Bo (1970). Eeg analysis based on time domain properties. Electroencephalograph, Clin Neurophysiol, 29(3):306–310.
  6. Introduction to the Fourier Transform.
  7. Adeli, Hojjat; Zhou, Ziqin; Dadmehr, Nahid (February 2003). "Analysis of EEG records in an epileptic patient using wavelet transform". Journal of Neuroscience Methods. 123 (1): 69–87.