1、一、溯源数据生成溯源数据生成的步骤如下：1. 对数据进行处理之后，如下图所示，对平均过后的 ERP 数据导出。2.在 Export 里选择 Generic，如下图所示，将方框里的文件格式改成 txt，其它选项保持默认状态，点击 next。3.在 Data File Fomat 里面选择输出用于溯源数据的格式，切记一定要选择 Text Fomat 这个选项，若选择 Binary Fomat，那么生成的数据将是一堆不能用于分析的乱码。然后点击next。4.出现下面的窗口，保持各个选择的默认状态，点击 next。5.出现下面的窗口，选择你需要的电极，眼电就不用选了，之后点击 Finish。下面这些内
2、容就是我们将 ERP 数据导出这个过程中，后台记录的操作步骤。生成溯源数据之后，查看你的数据格式是否为 ASCII，这个很重要。* Generic Data Export *File name parameter: $h_$nFile extension: .txtWrite header file: yesWrite marker file: noFormat: ASCIIOrientation: MULTIPLEXEDLine Delimiter: CRLF (PC style)Add channel names: noOverwrite default decimal symbol: n
3、oExport all channels: noExport the following channels:C3 C4 CPz Cz F3 F4 FCz Fp1 Fp2 Fpz Fz O1 O2 Oz P3 P4 PO7 PO8 POz Pz Exported to: F:溯源Ett210_Average.txtHeader file: F:溯源Ett210_Average.vhdrCreated Using Component Version 2.1.0.12577.下面我们就在输出路径的文件夹中找到我们“tt210”格式的两个文件。一个是 txt 格式，打开之后如图 1 所示。另一个是 v
4、hdr 格式，里面包含了导出数据的一些信息，包括 txt 格式中每个数据对应的电极等，如图 2。例如：若选用的电极数为 20 个，采样率为1000HZ/s，所分析的时间轴（算上基线）为 550ms，那么 txt 文档中打开的数据就是有 20列，550 行（每一个电极下面所采集的 550 个点，若分析的时间轴是 1000ms 的话，那么每一个电极下面就会有 1000 个点，以此类推。 ） ，图 2 显示的就是 20 个电极的电极顺序。电极的排列顺序一定不能乱。图 1图 2二、借助 sloreta 对差异区进行定位第一部分：准备工作两个文件夹和一个 txt 文档。每个文件夹包含了一种条件下被试的数
5、据，数据的格式是txt。一个 txt 文档是编写好的电极顺序，电极顺序必须与导出的 ERP 数据电极顺序一致为了确保一致，可以对照 vhdr 文件中的电极信息顺序，将其写在 txt 文档中，用于分析，如图所示。1.生成坐标电极。打开 sloreta，点击主菜单 Main Utilities，然后选择 Electrode names to coordinates 将含有电极顺序的 txt 文本拖入第一个空格，转换为以 sxyz 为后缀的电极矩阵，这个时候有三个坐标值（X-Y-Z） ，是相应电极所对应的脑区位置坐标。2. 转换矩阵。点 Electrode coordinates to transf
6、ormation matrix。将含有 sxyz 后缀文件拖入，生成 spinv 为后缀的文件。该文件含有电极信息，这一步就将电极信息映射到一个脑模型里。3 将从 ERP 里导出的 txt 数据转换成 sloreta 数据，选择 EEG/ERPs to sLORETA ，注意在右侧方框内将数据类型改为 txt，还可将其上面的复选框勾选上，然后，依次将两个文件夹直接拖入大方框即可。Number of lines 里面显示你拖入的文件数目。最后将 spinv 为后缀的文件拖入到第二个空格中。 （根据你的目的来选择统计分析的方法）sloreta 的统计分析有两种分析思路：以独立样本 t 检验为例，第
7、一种：就是用 ERP 操作方法，选择 Convert all time frames。前提是：我们不知道哪个成分有显著差异，只是比较被试在两种条件下激活的差异脑区，例如：向被试分别呈现花朵和灰屏，我们想看一下被试在两种不同刺激条件下所激活的脑区是否有显著差异，就可以用这种方法。在某个特定时间段内找到找到两组差异最大的时间点；基于这个最大的时间点，然后在其前后 3-5个时间点范围内取一时间段（比如：我们找到最大的时间点是 75,因此我们的时间窗口可设置 72-78 以内，之后的 sloreta 的统计检验就是在此时间段内进行） 。第二种：就是直接选取某个时间段进行 sloreta 的统计检验，选
8、择 Specify time frames（比如：我们对在花朵刺激条件下和灰屏刺激条件下的平均波幅进行统计分析，发现两种条件在 N1 成分有差异，其 N1 时间窗为 80-120ms，我们现在相对某一种脑电成分溯源，就可以采用第二种方法。在这种条件下，我们的工作就是将 ERP 数据（只转换某一脑电成分的 ERP 数据，不需转换整个时间轴的所有数据。例如：N1，只需将 80-120ms 之间的 ERP 数据转换成 slor 格式即可）直接转换成 slor 格式，之后直接进行 sloreta 的统计分析。第二部分：eLORETA and sLORETA or sLORETAeLORETA and
9、sLORETA（比较两种不用条件下激活的差异脑区，分别对应的是“When”的工作和 “Where”的工作）eLORETA ：“When”的工作1.在这一过程中，我们使用的是从 analyser 里导出的 ERP 数据，也就是 txt 格式的数据。点击 sLORETA 主菜单 Statistics，进入下图这个工作界面，选择 ERP，然后点击 NEXT。2.进入下一个界面，如图所示，选择 average reference。 Number of electrodes 里填写上你选择的电极数目。Number of time frames 中填写上你的数据一共包含有多少个时间点。例如：你截取的时间是
10、 600ms，你的基线时间是 50ms，原始数据的采样率是 1000HZ，一共有650 个时间点，所以在这个方框里填上 650，然后点击 NEXT。 （特别提示：所有被试原始数据的采样率必须保持一致，否则导出每个被试的数据大小不一致，在 Statistics 中将无法进行统计检验，提示数据提取出错。 ）3.进入下一个界面，根据研究目的选择进行配对样本 t 检验，还是独立样本 t 检验，然后点击 NEXT。4.进入下一个界面。选择 None，点击 Next。5.进入下一个界面。将数据导入，此阶段使用的数据是从 analyser 里面导出的数据，后缀为 txt。在 All files 下拉菜单中选
11、择 txt，所有 txt 文件就被选出，然后将其中一个文件夹中的 txt 数据拖入到 ListA 中，将另一个文件夹中的数据拖入到 ListB 中（或勾选左上 Indude subfolders 前面的复选框，直接拖动相关文件夹） ，这样更方便。点击 Next。6.进入到下一个界面，选择第三个“All tests for each TimeFrames/Frequencies”，进行点对点的分析。点击 Next。关于每个复选框的解释如下：1、 All tests for all TimeFrame/Frequencies 表示对所有文件中的所有时间点（例如：时间轴是 1 秒的，time fra
12、me 是 1000，那在此步骤内就是对两种条件下的每一个电极点下的1000 点进行平均，之后进行统计检验以获得差异最大的时间点）进行的 eloreta 分析，得出的是 1000 个点的数据。2、 1 single test for averge in a specified TF interval 表示对某个时间窗口中（例如：我们要对N1 成分进行定位，那么 N1 成分的时间窗是 80-120ms。在此步骤，选取 80-120 内的时间点进行平均，之后进行统计检验以获得一个最大的统计值）的时间点做平均，得出一个点的数据。3、 All tests for each TimeFrame/Frequ
13、ency in a specified interval 表示对每一个时间点（比如：我们上述数据是 1 秒的，time frame 是 1000，在此步骤内选取某个时间窗比如：50-160内的时间点，两组 A 组与 B 组之间进行 50-160 内的每个时间点一一进行统计检验，即组 A 的 50 对应组 B 的 50；组 A 的 52 对应组 B 的 52，之后进行统计检验以获得各个时间点的最大的统计值）可以两组做点对点的 sloreta 分析。一般在 ERP-sloreta 里面做的时候就用 all test for each timeframe/frequency in a specifi
14、ed interval。7.进入下一个界面，选择 t-statistic，按下图所示输入相应数值。双击最下方灰色的方框，设定输出文件的名称，例如：ttests，点击 Next。8.进入下一个界面。点击 perform test。此阶段需要一定时间，请耐心等待。9.如果你在步骤 8 中将输出的文件名称设为 ttests，那么，该统计分析过程结束后，在目标文件夹中会出现 5 个文件，如下图所示。10.打开名为 MaxStatistics 的文件，会出现以科学计数法表示的一纵列数值（图 1），将这些数值复制到 excel 里，通过排序对这些数值的绝对值（ABS）进行降序排列，找出差异最大的那个点（图
15、 2），然后在此差异最大的点向前向后各取 3 个，形成一个时间区间。例如：差异最大的时间点事 164，那我们的时间区间是 161-167ms。图 1图 211.如上图所示，若我们找出的最大点是 164，在下一个统计过程中，我们要检验的区间可以使 161-167ms。164 对应的最大差值是 3.42，根据这个值看 Thresholds Viewer/Explorer; Statistics;2008 版增加Connectivity，此外在 Main Utilities 也增加了些内容，比如：resampling。Main utilities 主要是进行电极的矩阵转换；在 EEG/ERPs to
16、 sLORETA 里对 BP 里面平均后且进行基线校正的 txt 数据（注意该数据只是数据没有任何电极等信息）把 txt 数据放入 EEG/ERPfiles；在 fIle with transformation matrix 找到转换好的电极.spinv;如果转换所有的时间段的，则为：convert all time frames; 如果要转化某段时间内数据则为“specify time frames”-如果只是将某组数据进行单样本 T 检验，则将数据转化为 compute sLORETA-XYZ,转换后的数据后缀是：.slor3; 如果将某组数据与基线进行对比，或者与另一组数据进行 T 检验
17、，则将数据转化 compute sLORETA,转换后的数据后缀是:.slor。Viewer/Explorer 把矩阵转换后电极放入此单元，把 Statistics 的结果放入相应单元，来看结果。Statistics 进行统计检验；比如事件相关电位的：先进行 when 的统计检验，找到哪段数据是显著的，之后找到显著的时间段后，再找 where 显著。当然，文献中也发现有的研究中直接跳过 when 直接通过 ERP 的结果找最大的幅值点，导出相应的 Time frame 之后直接进行 where 的统计检验。第二部分参考文献：Neurocognitive deficits in male alc
18、oholics: An ERP/sLORETA analysis of the N2 component in an equal probability Go/NoGo taskERP 进行源定位分析的思路：在 ERP 处理软件导出一段数据，确保每个被试数据电极位置一致，具体参照 Slide11 的介绍。把电极 txt 进行转化 a.sxyz 为后缀的 Talairach coordinates；之后将其转化为 a.spinv 为后缀的 sLORETA transformation matrix。-这个目的是为了更好地看结果，这样在viewer 这个单元里，双击上述的相应的文件夹，之后可以在
19、“current information”看到相应的电极数变化；electrode coordinates file；Transformation matrix file 里看到相应的文件位置。如果把 data type 设定为 “EEG/ERP time domain”的话，再打开某个相应的原始 ERP导出的某个被试的结果，点击相应的 time frame 那就可以看它所激活的相应脑区。当然，这样的阅读是不完整的。进行相应的统计分析，才能更加有说服力。这里需要学会计算几个内容:Time frame，例子数据，就是 1s 的采样率为 256 Hz/s 的数据，故 number of time
20、frames 为 256；如果我们采样率为 500Hz/S,取 3s 数据，那么 number of time frames 为 1500。ERP 里进行 when 的统计检验，结果文件夹里根据“PairedERPttests-Thresholds&ExtremePs.txt” 确定显著的时间点，之后“*MaxStatistics.txt”里找哪个时间段里的数据达到了显著。“*ThresholdsExtremePs.txt”里报告了数据是否有达到统计显著的，其中里面的“ExtremeP”可以看到结果我们所计算的数据 里是否有显著的值，而其前面的就是相应的阈值，对应 T 的相应阈值，在“*Max
21、Statistics.txt”里看是否有大于此阈值的数据，并找到相应的 时间段。 根据上述文献作者提供，一般要取显著的前后各两个数据，即共 5 个数据来进行“where”的统计分析。比如：在“*ThresholdsExtremePs.txt”里 t(0.01)下 two-tailed(AB)是 5.707；在“*MaxStatistics.txt”里这一秒数据里最大值都大于 5.707，那说明有很多时间段都 pB): 5.492 4.910 4.592 0.00020”-那么 p0.05 下的 T 值为 4.910；在文件“-MaxStatistics.txt”里数字结果为“1.092263E+0001”-这里的这个“1.092263E+0001”明显大于“Thresholds&ExtremePs.txt”文件里的任何数据，说明数据进行 where 对比时，是显著的。那么在 Viewer/Explor 里需要查看这个 where 的结果数据，找到相应的“.slor”文件双击，设定好 TF，采样率之后打开；在 SliceViewer 里点击“Find Max/Min”在“Threshold(type in value)”里输入相应的阈值，比如这里 T=4.910(p0.01)，即输入4.910，选择正激活或者负激活，点击 go 即可出现很多的脑区，
