静息态脑电功能连接分析全流程指南

1. 项目概述

静息态脑电功能连接分析是认知神经科学研究中的重要技术手段，它通过分析大脑在静息状态下不同脑区之间的功能耦合关系，揭示大脑内在的功能网络组织模式。这个教程将带你从零开始完成完整的分析流程，特别适合刚接触脑电数据分析的研究人员和学生。

我在神经影像实验室工作多年，处理过上千例脑电数据。这个教程浓缩了我处理静息态脑电的核心经验，包含经过实战检验的代码和参数设置。相比传统方法，我们采用的流程更加注重实用性和可重复性，避免了过度复杂的理论推导。

2. 核心概念解析

2.1 静息态脑电的特点

静息态脑电记录的是受试者在闭眼放松状态下的自发神经活动，通常持续5-10分钟。与任务态相比，它有几个显著特征：

• 没有特定认知任务的干扰
• 反映大脑固有的功能组织
• 频段特征明显（主要关注delta、theta、alpha、beta、gamma等节律）

2.2 功能连接的度量指标

常用的功能连接指标包括：

1. 相位锁定值（PLV）：测量两个信号相位关系的稳定性
2. 幅值平方相干（MSC）：频域上的相关性度量
3. 相位滞后指数（PLI）：减少容积传导影响
4. 互信息（MI）：非线性依赖关系度量

提示：初学者建议先从PLV开始，它对参数设置相对稳健，计算效率也较高。

3. 数据处理全流程

3.1 数据预处理

matlab复制% EEGLAB基础预处理脚本
[ALLEEG EEG CURRENTSET ALLCOM] = eeglab;
EEG = pop_loadset('filename','subj01.set','filepath','/data/');
EEG = pop_eegfiltnew(EEG, 'locutoff',1,'hicutoff',40); % 1-40Hz带通滤波
EEG = pop_epoch(EEG, {}, [-1 1], 'newname', 'segmented', 'epochinfo', 'yes');
EEG = pop_autorej(EEG, 'nogui','on'); % 自动剔除坏段

预处理关键步骤：

1. 滤波：通常用1-40Hz带通，去除极低频漂移和高频噪声
2. 分段：建议2秒一个epoch，重叠50%
3. 去伪迹：结合