FieldTrip脑电分析完整指南5步搞定从原始数据到统计检验的全流程【免费下载链接】fieldtripThe MATLAB toolbox for MEG, EEG and iEEG analysis项目地址: https://gitcode.com/gh_mirrors/fi/fieldtripFieldTrip 是一个开源的 MATLAB 脑电分析工具箱由荷兰 Radboud 大学 Donders 研究所与多家机构合作开发面向 MEG、EEG 和颅内电iEEG数据覆盖数据导入、预处理、EEG时频分析、源定位和非参数统计检验的完整分析流程。它支持几乎所有主流脑磁系统的原生格式CTF、Neuromag/Elekta、BTi/4D、Yokogawa/Ricoh 等并提供高层函数让你用自己的脚本搭建分析方案。5分钟装好 FieldTrip只有两个命令FieldTrip 的安装刻意设计得很简单克隆仓库后加路径、调一次初始化函数即可。addpath(/path/to/fieldtrip); % 加到你的 MATLAB 路径 ft_defaults % 设置默认值并挂载所需子目录 两个容易踩的坑不要用addpath(genpath(...))或含子目录添加因为仓库里的compat/旧版 MATLAB 兼容层和external/第三方依赖不该全部进路径ft_defaults会按需自动处理它们。把上面两行写进startup.m每次打开 MATLAB 就不用重复操作。仓库可通过git clone https://gitcode.com/gh_mirrors/fi/fieldtrip获取。第一步导入数据先弄清入口选哪个fileio/目录负责所有格式读写。大多数情况下你只需两个入口header ft_read_header(subject01.ctf); % 先看文件头通道数、采样率 data ft_read_data(subject01.ctf); % 再读原始数据几个实用技巧不确定某格式是否支持时用ft_filetype查一遍内置格式清单比翻文档快。根目录有一批转换函数如edf2fieldtrip.m、xdf2fieldtrip.m、spass2fieldtrip.m专门处理 EDF、XDF、BrainVision 等常见 EEG 文件格式的导入。读入后先检查data.label和data.samplingrate确认通道命名和采样率符合预期这一步能避免后面统计时对齐不上的麻烦。第二步预处理四件事先把数据做干净预处理模块集中在preproc/核心函数是ft_preprocessing。按重要性排有四件事必做1. 滤波只保留你关心的频段EEG 数据里混杂着工频干扰、慢漂移和高频肌电。常用组合是 0.5–100 Hz 带通cfg []; cfg.lp 100; cfg.hp 0.5; % 带通滤波 cfg.method butter;2. 去伪影先标记再剔除或修复FieldTrip 的伪影处理是检测 → 拒绝 → 修复三步走。ft_rejectartifact配合ft_artifact_threshold、ft_artifact_zvalue等算法自动标记可疑试次或时程段然后决定整段剔除还是只修坏点。3. 坏通道处理标记而不是直接删用ft_badchannel记录坏道ft_channelrepair做插值修复ft_interpolatenan填补剩余空洞。保留坏道信息再修比直接删通道更利于后续对比。4. 分段与重采样对齐你的实验时间线ft_definetrial根据事件标记把连续数据切成试次cfg.trialdef指定时间窗ft_preproc_resample可按分析需要降采样——降采样放在时频分析之前做是省内存最有效的手段之一。第三步时频分析3种方法先分清再选参数specest/模块提供三种常用方法对应不同的研究问题方法配置文件写法适合场景多锥度MTMFFTcfg.methodmtmfft频域分辨率稳定适合稳态信号和窄带功率分析小波Waveletcfg.methodwavelet低频时间分辨率高适合看振荡随时间的演化Hilbertcfg.methodhilbert快但一次只算一个频率适合窄带相位/耦合分析关键参数就两个cfg.foi感兴趣的频率如cfg.foi 4:2:30和cfg.toi时间窗如cfg.toi -0.5:0.05:2.5以事件为 0 点。TFR ft_freqanalysis(cfg, data_clean); % 一次调用算出时频表示⚡ 选不定时先用小波快速看趋势再对锁定频段用 MTMFFT 做精细分析——这是很多课题组的标准做法。第四步源定位把头皮上的信号送进大脑源分析分正、逆两个问题forward/解决信号怎么从大脑传到传感器计算导场矩阵inverse/解决根据传感器数据反推脑内活动。流程上需要四件准备ft_prepare_headmodel建头模型从最简单的同心球到基于 MRI 的边界元模型forward/下有ft_headmodel_singlesphere、ft_headmodel_openmeeg等多个选项ft_prepare_mri处理结构 MRIft_prepare_sourcemodel生成源空间候选点ft_sourceanalysis执行逆问题。inverse/里同时备有偶极子拟合ft_inverse_dipolefit、最小范数估计MNE、波束形成器LCMV/DICS和 LORETA 等算法。 选择逻辑其实很直接少数几个明确的活动源用偶极子拟合想看全脑分布式活动就用 MNE 或波束形成器需要时间分辨率更精细的分布式解可以用 DICS。第五步统计检验与出图让结果达到发表水准非参数统计处理多重比较的稳妥方案单试次比较如两个条件常用ft_freqstatistics加配对 t 检验统计量ft_statfun_depsamplesT跨被试的组间比较则推荐Monte Carlo 置换检验cfg.methodmontecarlo它通过反复打乱条件标签建立零假设分布天然处理了头皮/脑内成千上万个点的多重比较问题比逐点 t 检验加阈值校正更可靠。具体统计函数在statfun/模块中实现。出图按分析类型各有一个主力函数plotting/模块的分工很清晰——时频地形图用ft_topoplotTFR单通道时频曲线用ft_singleplotTFR统计簇用ft_clusterplot源空间结果用ft_sourceplot。配色统一用ft_colormap指定如cfg.colormapjet或反转rjet保证多幅图色标一致审稿人会感谢你。批处理与避坑多被试分析的效率技巧并行多被试流程套一层parfor循环即可并行注意把中间结果落到磁盘savestruct而不是攒在内存里。内存告急先用ft_redefinetrial缩小试次范围或时间窗再考虑降采样和选通道。可重复性ft_analysispipeline可以记录每一步的配置和数据版本把ft_default.reproducescript指向一个目录脚本和中间数据会被自动存档。扩展需要第三方算法时看external/EEGLAB、SPM 等接口都在这里做在线/实时实验则参考realtime/模块。从克隆仓库到出图FieldTrip 的五个环节导入 → 预处理 → 时频 → 源定位 → 统计每个都由一组清晰的顶层函数支撑。建议你先拿一份公开样例数据跑通一遍完整链路再回头替换成自己的数据——这样每步该出什么结果心里都有底。动手跑通第一个流程比读十页文档更有效。【免费下载链接】fieldtripThe MATLAB toolbox for MEG, EEG and iEEG analysis项目地址: https://gitcode.com/gh_mirrors/fi/fieldtrip创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考