跳至主要内容
质量控制

眼电与肌电伪迹:先识别来源,再选择处理方法

独立成分分析可以帮助分离混合信号,但成分标签不是自动生成的事实。可靠判断需要空间、时间与频谱证据相互支持。

脑电头皮分布与伪迹审查线索的原创示意图
问枢科技原创教学示意图,不代表真实受试者数据。

一、不要从“删除”开始

看到明显波动时,第一步应是描述它:主要出现在哪些通道、是否与眨眼或动作同步、频谱集中在哪个范围、在不同试次中是否重复。只有先形成来源假设,处理方法才有依据。

例如,眨眼常在额区更突出,并表现为较慢、幅度较大的瞬变;持续咬牙或面部紧张可能产生更宽频的高频活动。但这些只是判断线索,不能脱离具体记录条件机械套用。

二、把多种证据放在一起

判断一个独立成分时,可以同时检查头皮分布、成分时间序列、功率谱以及它与眼电或行为事件的关系。单凭一张拓扑图很容易把神经源成分和伪迹混淆。

自动分类结果适合用于初筛和提高一致性,但仍需要明确阈值、人工复核规则与不确定成分的处理方式。对边界成分,保留往往比激进删除更稳妥。

  • 记录每个删除成分的理由
  • 保留处理前后的质量指标
  • 在盲于实验条件时完成伪迹判断

三、处理后还要再检查

移除成分后,应重新查看连续数据、代表性试次和目标指标。处理过度可能削弱真实的额区活动,处理不足则会让条件间的眼动差异被误认为脑活动差异。

最终报告不应只写“使用 ICA 去伪迹”,还应说明分解数据、成分数、识别依据、移除数量以及是否结合其他拒绝标准。

核心结论

ICA 是分离工具,不是自动清洁工具。伪迹处理应基于多证据判断,并在处理后重新验证目标信号。

本文与配图为原创内容,不使用真实参与者数据,不构成医疗诊断、治疗建议或个体化健康意见。