选择数据周期并绘制数据平均值
1.1 为两个条件选择事件和周期
为了比较同一实验中两个或多个条件下受试者的事件相关脑电图动力学，首先需要创建包含每个条件周期的数据集。在我们的样本数据集的实验中，一半的目标出现在位置1，另一半出现在位置2（请参阅样本实验说明）。
探索性步骤：为两个条件选择事件和周期
选择Edit > Select epochs or events，将显示pop_selectevent.m窗口（如下所示）。在位置旁边的文本框中输入“ 1”，这将选择目标出现在位置1的所有周期。
在结果查询窗口中按Yes（是）：
现在弹出一个用于保存新数据集的pop_newset.m窗口，我们将这个新数据集命名为“Square，Position 1”，然后按OK。
现在，重复这个过程以创建第二个数据集，该数据集由目标出现在位置2的周期组成。首先，选择菜单项Datasets>Continuous EEG Data返回上一个数据集，确保您使用原始的连续数据集，否则您将能够在位置2提取数据周期。接下来选择编辑>选择epoch/events，在生成的pop_selectevent.m窗口中，在位置字段右侧的文本框中输入“2”，按OK，然后将新数据集命名为“Square，Position 2”。
另一个可用于选择数据集子集的函数是通过选择Edit>select data调用的函数pop_select.m。下面的示例将选择周期时间范围为-500 ms到1000 ms的数据子周期，此外，它将删除数据集周期2、3和4，并完全删除通道31。
1.2 计算均值ERP
通常情况下，ERP研究人员报告的结果是受试者的平均ERP。作为一个例子，我们将使用EEGLAB函数来计算上述两个条件ERP的ERP总平均值。
探索性步骤：计算平均ERP
选择Plot > Sum/Compare ERPs，在弹出的pop\u comperp.m窗口的顶部文本输入框（如下）中，输入数据集“3”和“4”的索引，在第一行，单击avg.框以显示总平均值，单击std.框以显示标准偏差，单击all ERP框以显示每个数据集的ERP平均值，最后以0.05为t检验显著性概率（p）阈值，然后按OK。
将出现以下绘图：
现在，点击电极位置FPz的轨迹，调出下图，您可以通过在 Insert > Legend 菜单下取消选择图例来删除图例。
注意：如果希望使用正上视图作为y轴比例，请在Plottopo选项字段中键入ydir’，1，这可以在icadefs.m中设置为全局或项目默认值，请参阅选项教程。
数据集3和4的ERP以蓝色和红色显示，两种情况下的总平均ERP以黑体显示，两个ERP的标准偏差以黑色虚线显示。基于每个时间点的双尾t检验，突出显示与0明显不同的区域。此测试将当前ERP值分布与具有相同方差和0均值的分布进行比较。请注意，此t检验尚未针对多个比较进行校正，可以从对函数pop_comperp.m的命令行调用中获得每个时间点的p值。
1.3 找ERP峰值延迟
尽管EEGLAB当前没有自动找到ERP峰值幅度和延迟的工具，但是人们可以使用便利的Matlab缩放工具以可视方式确定任何Matlab图形中峰值的确切幅度和延迟。
探索步骤：查找ERP峰值延迟
例如，在上图中，选择带有+号的放大镜图标。然后，如下图所示，放大红色曲线的主峰（单击鼠标左键放大，单击右键缩小），从轴刻度读取峰值延迟和幅度至任何所需的精度。
注意：在测量等待时间峰值之前，可能首先需要使用pop_comperp.m界面的低通滤波编辑框来平滑平均数据峰值。
1.4 比较两种情况下的ERP
探索性步骤：在两种情况下比较ERP
要比较两种情况下的ERP平均值（目标在位置1和2中显示），请选择t Plot > Sum/Compare ERPs，在弹出的pop_comperp.m窗口的顶部文本输入框中（如下所示），输入要比较的数据集的索引，单击平均中的所有框。在低通频率中输入30，在topoplot.m选项编辑框中输入“title”、“Position 1-2”， 然后按确定。
此时将显示plottopo.m图（下图）
同样，通过单击图中感兴趣的电极位置（上图），可以在单独的窗口中绘制各个电极迹线。请注意，由于这两个条件相似（仅屏幕上刺激的位置发生了变化），因此ERP差异接近于0。
此功能还可以用于计算和绘制多个受试者之间的平均ERP差异，并可以使用配对t检验（两个尾部）评估两个条件之间的显着差异。为此，将每个主题的两个条件的数据集加载到EEGLAB中，然后在pop_comperp.m窗口中输入适当的索引。
在EEGLAB 5.0b中，引入了一种新的概念和数据结构“研究”，以汇总和处理来自多个主题，会话或条件的数据集，有关详细信息，请参见组件聚类和Study结构教程。新的基于研究的功能包括一个命令行函数std_envtopo.m，它可视化了两种情况下对总体平均ERP的最大或选定的独立组件集群贡献，以及它们之间的差异。
在下面的部分中，我们将只从第二个数据集开始工作，而不使用数据集3和4。使用“数据集”顶部菜单返回第二个数据集，并可以选择使用 File > Clear dataset(s)删除数据集编号3和4。
数据平均化会压缩数据中的动态信息，忽略试验间的差异，这些差异很大，可能对理解大脑的实时工作至关重要。在下一节中，我们将展示如何使用EEGLAB对单个试验的集合进行二维ERP图像绘制，并按许多可能相关的变量进行排序。
/一则小广告/
添加客服获取更多
本篇由BCIduino脑机接口开源社区整理或撰写。BCIduino脑机接口社区由来自北京航空航天大学、康奈尔大学、北京大学、首都医科大学等硕博发起成立，欢迎扫码加入社群，备注"BCI"，也欢迎采购BCIduino脑电模块（某宝搜索即可）
转载：https://blog.csdn.net/nvsirgn/article/details/112916526