腦波測定程序

1. 腦波測定前準備作業 (1) 受測者頭皮處理

因為人類頭皮分泌油脂，會增加與電極間之電阻，EEG訊號會受 到干擾。為了要擷取到優質的腦波記錄，首先須要求受試者在實驗前 將頭髮洗乾淨。要黏貼電極的位置，使用棉棒沾磨砂膏揉擦去除油脂 及 角 質 。 本 研 究 之 大 腦 電 極 位 置 則 採 用 「 國 際 10-20 標 準 系 統 (international 10-20 system) 」安置 (如圖3.5 (a)所示)，以膠帶貼蓋電極 並黏貼於頭皮上或臉部(眼四周)(如圖3.5 (b)所示)。系統中之腦波位置 各英文字母各代表不同的大腦分區位置：例如F代表額葉腦區、C代 表中央腦區 (central)、T代表顳葉腦區 (temporal)、P 代表頂葉腦區 (parietal)及O 代表枕葉腦區 (occipital)。以注射筒一一灌注導電膠於 電極帽上各電極，測量各電極之阻抗(impedance)，使阻抗低於10KΩ。

(2) 3D數位定位系統 (3D digitizer system)

3D 數位定位系統(3D digitizer system)進行電極通道(channel)定 位，每一位受試者電極帽之通道必須都要定位。當測量了通道的 3D 位置，接下來將傳送器放置在電極蓋帽裡面的 Oz、T3 和 T4 通道之 下。在這些設定以後，我們使用探測筆點出每一通道及記錄了 3D 通

定位背後的目的，是提供分析 EEG 腦波訊號來源位置的依據。

(a) (b)

圖 3.5 腦波電極帽示意圖。(a) 國際 10-20 標準系統；(b) 完成穿戴腦波電極帽。

圖 3.6 3D 數位定位操作示意圖

2. EEG訊號處理 (Lin, et al., 2007, 2008)

完成腦波測定前準備作業之後，接下來，則需進行一連串EEG訊 號處理過程，其每一步驟流程(如圖3.7所示)。

圖 3.7 EEG 訊號處理

(1) 前處理 (preprocess) A. 濾波帶通 (filter Band)

本濾波帶通範圍是0.5到50Hz，並使用notch filter 選擇性的過 濾60Hz 的訊號(非生物訊號)。

B. 類比轉換數位信號取樣率(sampling rate)

根據Nyquist 標準取樣率，必須至少是訊號中最高頻率的兩 倍大，本研究是以250 Hz為取樣頻率。

C. 雜訊去除 (artifacts removal)

去除眼動、心跳、肌肉活動、線路頻率60Hz及其他等雜訊。

(2) 腦波資料切段 (epoch)

為了擷取不同的 case 腦波資料，所以，本研究以-1~5 秒鐘切為切 段之依據以供腦波未來分析使用；從 EEG 訊號擷取相關事件電位 (event-related potentials, ERPs)示意圖，如圖 3.8 所示。

圖 3.8 腦波資料切段示意圖

(3) 獨立要素分析(Independent Component Analysis, ICA)

因為EEG訊號可能夾帶不同訊號來源的混合，所以，EEG訊號須 經ICA演算法，隨機排除EEG 雜訊的干擾，以分離成數個獨立的訊 號源(如圖3.9(a)所示)，擷取出重要的腦波特徵，提高分析的效率 (Makeig, Bell, Jung, & Sejnowski, 1996; Jung, et al. 1998-2001; Lin, et al., 2008-2009)，並以內建傅立葉轉換(Fast Fourier Transform; FFT) 功 能，將腦波紀錄轉換為腦波振幅頻譜(EEG spectrum)。接下來，進行 眼動 (eye-movement, EOG)、心跳(heat-beating , EKG)及肌肉移動

(muscle-movement, EMG) 移除，最後，會產生 30 component頭殼圖(如 圖3.9(b)所示)。

(a) (b)

圖3.9 獨立要素分析示意圖。(a) 分離成數個獨立的訊號源；(b) 30cpmponent頭 殼圖。

(4) 要素群集(Component clustering)

合併所有試者經 ICA 所分解之穩定要素(component)，這些要素是 來 自 於 群 集 所 有 受 試 者 頭 殼 圖 (scalp maps) 與 活 動 能 量 頻 譜 (activation power spectra)。個體要素群集特徵是藉由群集頭殼圖及活 動頻譜(activity spectrum)而獲得；分析操作，將所有受試者所產生的 component 混合在一起，並使用內建群集方法(Kmean)，產出要素群 集(component clusters)圖，以上這種方法稱為要素群集(如圖 3.10 所 示)。

圖 3.10 要素群集示意圖

(5) 事件相關頻譜擾動(Event Related Spectral Perturbation, ERSP) ERSP，由時間(橫座標)及頻率(縱座標)所構成之能量變化情形。

ERSP用 來計算活動或事件發生前後動態頻譜變化情形，並經由此來 觀察大腦在不同時間點上的頻譜差異，觀看人類認知歷程過程。相對 地，相關事件電位(event-related potentials, ERPs) 僅能在時間軸(橫座 標 ) 上 ， 分 析 活 動 電 位 的 改 變 。 頻 譜 在 每 個 切 段 是 經 過 3- 視 窗 (3-windows)移動平均，以減少隨機誤差，而頻譜是考慮到每個事 件試驗數之基準線 (baseline)。所以，從刺激發生 (stimulus onsets) dB 功率或頻譜功率，減去基準 線 之 dB功率或頻譜功率，藉以觀察分析 主要事件ERSP圖像之頻譜變化情形。接下來透 過 自助分析(bootstrap analysis)（顯著性水準 0.01 或 0.03 或 0.05 等 3 種，以供分析選用，

本研究使用α = 0.05）。僅有達統計檢定差異水準(p<0.05)時，頻譜才

會在ERSP圖像顯示。而沒有達到檢定差異水準(p>0.05)時，則時間與 頻率座標內各點之dB功率或頻譜功率，則以零取代。經過以上操作，

任何擾動(perturbations)的頻域變得比較顯著及好辨識，俾利分析討論 使 用 (如圖 3.11 所示)。

圖 3.11 事件相關頻譜擾動(ERSP)程序圖