sEEGnal: an automated EEG preprocessing pipeline evaluated against expert-driven preprocessing

本文介绍了 sEEGnal，这是一个完全自动化的模块化 EEG 预处理流程，其性能在与专家驱动方法的对比中表现相当，同时在一致性、稳定性和可扩展性方面展现出显著优势。

要点

这篇文章介绍了一个名为 sEEGnal 的新工具，它就像是一个全自动的“脑电波清洁工”，专门用来处理脑电图（EEG）数据。

为了让你更容易理解，我们可以把处理脑电波数据想象成在一条浑浊的河流里寻找珍贵的宝石（大脑的真实信号）。

1. 背景：为什么我们需要这个工具？

• 现状（人工清洗）： 过去，科学家想从脑电波里提取有用的信息，必须像老练的淘金工一样，坐在电脑前，用肉眼一点点地检查数据。他们要手动剔除那些因为眨眼、肌肉跳动、电极接触不良产生的“泥沙”（噪音）。
  • 缺点： 这非常耗时，而且每个淘金工（专家）的标准不一样。A 专家可能觉得这块石头是泥沙，B 专家可能觉得是宝石。这导致结果很难重复，处理大量数据时更是累死人。
• 新工具（sEEGnal）： 作者开发了一个全自动的机器人淘金工。它不需要休息，不会疲劳，而且不管谁来操作，它都严格按照同一套标准干活。

2. sEEGnal 是怎么工作的？（三个核心步骤）

这个机器人有三个主要的“工作模块”，就像一条高效的流水线：

• 第一步：整理仓库（标准化）
  • 它先把乱七八糟的数据文件，按照国际通用的“标准货架”（BIDS 格式）重新摆放整齐。这就像把不同品牌的积木都按颜色分类放好，方便以后随时取用。
• 第二步：挑出坏掉的传感器（坏通道检测）
  • 脑电帽上有几十个电极（传感器）。有些可能接触不好，或者被导电胶粘住了（就像两个传感器被胶水粘在一起，信号混了）。
  • sEEGnal 会像质检员一样，检查每个传感器的“健康状况”。如果某个传感器信号太弱、太强，或者和邻居“太亲密”（数据高度相关），它就直接把这个坏掉的传感器标记出来，暂时不用。
• 第三步：识别并清除噪音（伪影检测）
  • 这是最关键的。大脑信号里混杂着很多“杂音”：
    • 眨眼/眼球转动（像河面上突然的波浪）；
    • 肌肉紧张（像河底的暗流）；
    • 设备跳动（像河里的石头突然撞击）。
  • sEEGnal 使用一种叫“独立成分分析”的高级魔法，把混合在一起的信号拆解开，然后利用一个经过全球专家训练的“智能识别器”（ICLabel），精准地告诉机器人：“这部分是眨眼，扔掉！”“这部分是肌肉，扔掉！”只留下真正的大脑信号。

3. 它真的比人强吗？（实验结果）

作者找来了20 位人类专家和sEEGnal 机器人，让它们分别处理同样的脑电波数据，然后进行了一场“大比拼”：

• 清理效果（清理了多少垃圾）：
  • 机器人和人类专家找出的“坏传感器”和“噪音”数量非常接近。
  • 虽然人类专家找出的噪音类型分布略有不同（比如人类更擅长发现某些特定的设备跳动，而机器人对眨眼和肌肉更敏感），但总体上，机器人清理后的数据质量和专家清理的一样好。
• 数据质量（留下的宝石亮不亮）：
  • 科学家计算了清理后数据的“功率谱”（像看河流的能量分布）和“功能连接”（看河流各部分如何协同工作）。
  • 结果令人惊讶：机器人处理后的数据，和人类专家处理后的数据，相似度极高（误差很小）。这意味着，用机器人处理的数据，完全可以用在严肃的科学研究中。
• 稳定性（谁更靠谱）：
  • 这是机器人的完胜。人类专家今天心情好可能多扔点垃圾，明天累了可能少扔点，标准会波动。但机器人永远保持一致。
  • 在“重测”实验中（同一个人同一天测两次），机器人处理出的结果几乎一模一样，而人类专家的处理结果会有更多差异。

4. 总结：这意味着什么？

• 省时省力： 以前需要专家花几天甚至几周处理的数据，现在机器人几分钟就能搞定。
• 公平一致： 消除了“人为误差”，让不同实验室的研究结果可以互相比较。
• 免费开源： 这个工具是免费公开的，任何科学家都可以下载使用，就像大家都可以免费使用一个超级好用的“自动洗碗机”。

一句话总结：
sEEGnal 就像是一个不知疲倦、标准统一、技术高超的自动清洁机器人，它能把混乱的脑电波数据清洗得和人类专家一样干净，甚至更稳定。这让科学家们可以把精力从“洗数据”转移到“研究大脑”本身，加速了神经科学的发展。

技术摘要

以下是基于论文《sEEGnal: an automated EEG preprocessing pipeline evaluated against expert-driven preprocessing》的详细技术总结：

1. 研究背景与问题 (Problem)

脑电图（EEG）预处理是神经科学研究中的关键步骤，旨在去除生理性（如眨眼、眼动、心跳、肌肉活动）和非生理性（如电源噪声、电极接触不良）伪影。然而，当前的预处理流程存在以下主要挑战：

• 依赖专家且耗时：主流方法通常依赖 EEG 专家进行半自动的半监督预处理，这在大规模数据集分析中不可持续，且极其耗时。
• 可重复性与一致性差：预处理结果高度依赖于具体执行分析的专家，导致不同研究间或同一研究不同批次间的一致性难以保证。
• 技术门槛高：现有方案多基于 MATLAB 或 Python 编程框架，要求使用者具备编程技能，限制了其在非技术背景研究人员中的普及。
• 缺乏统一框架：许多自动化工具要么侧重于标准化流程，要么侧重于数据驱动的伪影检测，缺乏将两者结合的统一、可解释框架。

2. 方法论 (Methodology)

为了解决上述问题，作者开发了 sEEGnal，这是一个完全自动化、模块化且开源的 EEG 预处理流水线。该工具基于 Python 3.12.10 构建，核心依赖 MNE-Python 框架，部分模块使用 C++ 优化以提高计算效率。

sEEGnal 包含三个核心模块：

2.1 数据标准化 (Standardization)

• 遵循 BIDS (Brain Imaging Data Structure) 的 EEG 扩展标准。
• 确保数据目录结构、文件名、元数据和文件格式的统一，提高数据的互操作性和可重复性。

2.2 坏通道检测 (Bad Channel Detection)

该模块结合生理依据和统计指标，通过以下标准识别坏通道（电极）：

• 高阻抗：默认阈值设为 200 kΩ。
• 不可能的幅度：检测标准差超出生理范围（默认 1 µV - 500 µV）的通道。
• 功率谱异常：检测 45-55 Hz 频段的异常功率（通常指示电源干扰），若某通道功率是其他通道平均值的 3 倍则标记为坏。
• 凝胶桥接 (Gel bridges)：检测物理距离小于 5cm 且相关系数大于 0.999 的相邻通道（指示导电凝胶短路）。
• 高幅度方差：若某通道标准差是其他通道平均值的 10 倍，则标记为坏。
• 流程：先进行最小化预处理（带通滤波 1-100Hz，降采样至 500Hz，50Hz 陷波滤波），使用 SOBI 算法进行独立成分分析 (ICA)，并利用 ICLabel 对独立成分进行分类，辅助坏通道判定。

2.3 伪影检测 (Artifact Detection)

该模块旨在识别伪影的起始时间和持续时间，分为四类：

• 眼动相关伪影 (EOG)：通过 1-5 Hz 滤波，比较前额通道与背景通道的标准差，检测幅度超过背景 10 倍的峰值。
• 肌肉相关伪影 (EMG)：利用 ICLabel 标记为“肌肉”且置信度>0.7 的独立成分重建时间序列，在 110-145 Hz 频段检测幅度超过平均 10 倍的峰值。
• 传感器相关伪影 (Channel jumps/pops)：在 0.5-5 Hz 频段检测幅度超过通道标准差 5 倍的突变。
• 其他伪影：在 2-45 Hz 频段检测幅度超过 500 µV 的异常高幅值。
• 迭代策略：由于肌肉和传感器伪影可能主导 ICA 分解，流程设计为先检测并剔除这两类伪影，重新进行 ICA 分解，然后再检测眼动和其他伪影，以提高分类准确性。

3. 评估方法 (Evaluation)

研究在两个互补层面评估 sEEGnal，将其与多位 EEG 专家的手动预处理结果进行对比：

1. 预处理元数据 (Metadata)：
   • 坏通道数量、伪影持续时间、被剔除的独立成分 (IC) 数量。
   • 处理时间和内存消耗。
2. EEG 衍生指标 (EEG-derived measures)：
   • 功率谱密度 (Power Spectrum)：计算各频段的相对功率。
   • 功能连接 (Functional Connectivity)：使用相位锁定值 (PLV) 评估各频段（Delta, Theta, Alpha, Beta, Gamma）的连接性。
   • 一致性分析：使用重测数据集 (Test-retest) 评估同一会话内重复记录间的稳定性。
   • 统计指标：使用配对 t 检验比较元数据，使用归一化均方根误差 (NRMSE) 比较衍生指标。

数据集：

• LEMON 数据集：20 名健康受试者（公开数据）。
• AI-Mind 数据集：20 名轻度认知障碍 (MCI) 连续体受试者（私有数据，由 4 位专家手动预处理）。
• 重测数据集：20 名受试者的同一会话内重复记录。

4. 关键结果 (Key Results)

4.1 元数据表现

• 效率：sEEGnal 在内存使用上显著优于专家（p < 0.001），处理时间相当但标准差更小（专家处理时间波动大）。
• 一致性：sEEGnal 检测到的坏通道数量、伪影时长和剔除的 IC 数量与专家无显著差异。
• 空间分布：坏通道主要集中在额叶和颞叶区域，sEEGnal 与专家的分布模式高度一致。
• 伪影分类差异：sEEGnal 识别的眼动和肌肉伪影比例略高，而专家识别的电子跳变（jumps）和“其他”伪影比例较高（卡方检验显著），但整体识别能力相当。

4.2 神经生理指标表现

• 功率谱：sEEGnal 生成的功率谱与专家处理结果高度相似。NRMSE 值在所有通道和频段均低于 0.08（即差异小于 8%）。差异主要集中在 Delta 频段的前额通道。
• 功能连接 (PLV)：两者结果总体一致，但差异略大于功率谱（NRMSE < 0.17）。sEEGnal 处理后的 PLV 值略低，尤其是在 Delta 和 Gamma 频段的前额通道，这可能与眼动伪影的细微处理差异有关。
• 重测一致性：sEEGnal 在重测数据中表现出极高的稳定性，NRMSE 值极低（功率谱 < 0.045，PLV < 0.09），表明其处理结果在不同次记录间具有高度可重复性。

5. 主要贡献 (Key Contributions)

1. 全自动化与模块化：提供了一个无需编程背景即可使用的、完全自动化的 EEG 预处理流程，解决了专家依赖和可扩展性问题。
2. 专家级性能：在元数据和关键神经生理指标（功率谱、功能连接）上，证明了其性能与人类专家相当。
3. 标准化框架：基于 BIDS 标准，确保了数据的结构化处理和跨研究的可重复性。
4. 高稳定性与低变异性：相比人类专家，sEEGnal 消除了疲劳、主观判断差异带来的变异性，提供了更一致的处理结果。
5. 开源与通用性：作为开源工具，已在不同硬件（Brain Products, ANT Neuro）和不同采集协议（不同采样率、通道数）的数据集上验证，具有良好的泛化能力。

6. 意义与局限性 (Significance & Limitations)

意义：
sEEGnal 为大规模 EEG 研究提供了一种可靠、高效且可重复的解决方案。它降低了 EEG 数据分析的门槛，使得非编程背景的神经科学家也能获得高质量的预处理数据，特别适用于多中心研究和大型队列研究。

局限性：

• 数据集限制：目前仅在两个数据集（一个公开，一个私有）上验证，样本量相对较小，且受试者群体有限。
• 外部依赖：严重依赖外部包（特别是 ICLabel），存在依赖外部工具更新的风险。
• 任务态数据未验证：目前仅在静息态（Resting-state）数据上进行了测试，尚未在任务态（Task-related）EEG 实验中验证其有效性。

结论：
sEEGnal 是一个稳健、全面的自动化工具，能够以与专家相当的质量处理 EEG 数据，同时显著提高了处理的一致性和效率，是神经科学领域自动化预处理的重要进步。