課程背景

EEG 是心理學(xué)、認知神經(jīng)科學(xué)、精神病學(xué)、神經(jīng)調(diào)控和腦機接口研究中最常用的神經(jīng)信號之一。相比 MRI/fMRI，EEG 具有高時間分辨率、采集靈活、成本較低等優(yōu)勢，適合用于研究注意、記憶、情緒、決策、睡眠、疾病狀態(tài)和腦網(wǎng)絡(luò)動態(tài)變化。

很多研究者已經(jīng)熟悉 EEG 預(yù)處理、ERP 或基礎(chǔ)時頻分析，但在進一步解釋頻譜和腦網(wǎng)絡(luò)結(jié)果時，經(jīng)常會遇到新的問題：某個頻段功率升高，究竟代表真實振蕩增強，還是 1/f 背景活動變化？不同被試之間 alpha、beta 或 gamma 功率差異，是否一定能解釋為神經(jīng)振蕩差異？功能連接指標很多，coherence、PLV、PLI、wPLI 應(yīng)該如何理解和選擇？腦網(wǎng)絡(luò)圖論指標算出來之后，又該如何解釋其認知或臨床意義？

傳統(tǒng) EEG 分析常常將頻譜結(jié)果簡化為某幾個頻段的平均功率，例如 theta、alpha、beta、gamma。但這種做法容易混合周期性振蕩成分和非周期性背景活動。譜參數(shù)化方法，例如 FOOOF，可以將功率譜分解為周期性峰值和 1/f 背景成分，幫助研究者更細致地理解 EEG 頻譜變化背后的神經(jīng)機制。

與此同時，腦功能并不是孤立腦區(qū)活動的簡單疊加。腦網(wǎng)絡(luò)功能連接、圖論拓撲指標和網(wǎng)絡(luò)可控性分析，為理解腦區(qū)之間的信息交互、網(wǎng)絡(luò)整合分離和系統(tǒng)調(diào)控能力提供了新的分析視角。這些方法已經(jīng)廣泛用于認知神經(jīng)科學(xué)、精神疾病、發(fā)展老化、神經(jīng)調(diào)控和 BCI 研究中。

本課程將圍繞 EEG 進階分析中的兩個核心方向展開：一是功率譜密度和譜參數(shù)化分析，二是腦網(wǎng)絡(luò)功能連接、圖論拓撲和網(wǎng)絡(luò)可控性分析。課程目標不是讓學(xué)員只會運行幾個函數(shù)，而是幫助學(xué)員理解每類指標解決什么問題、適用于什么數(shù)據(jù)、如何通過代碼實現(xiàn)、如何解釋結(jié)果，以及如何將這些方法遷移到自己的研究中。

培訓(xùn)對象

本課程主要面向希望進一步提升 EEG 數(shù)據(jù)分析深度的心理學(xué)、認知神經(jīng)科學(xué)、精神病學(xué)、神經(jīng)影像、神經(jīng)調(diào)控、腦網(wǎng)絡(luò)和 BCI 方向的老師、研究生和科研人員。

尤其適合以下幾類學(xué)員：

1. 已經(jīng)接觸過 EEG 預(yù)處理、ERP 或時頻分析，希望進一步學(xué)習(xí)功率譜和腦網(wǎng)絡(luò)進階方法的研究者。

2. 已有 EEG 數(shù)據(jù)，但目前分析主要停留在頻段功率、通道差異或描述性結(jié)果層面的學(xué)生和科研人員。

3. 希望理解 FOOOF、譜參數(shù)化、1/f 背景活動、功能連接、圖論指標和網(wǎng)絡(luò)可控性的學(xué)習(xí)者。

4. 正在進行認知、情緒、睡眠、精神疾病、神經(jīng)調(diào)控、腦機接口或腦網(wǎng)絡(luò)相關(guān)研究，希望提高論文方法深度的研究者。

5. 希望從“會做基礎(chǔ) EEG 分析”進一步走向“能夠解釋頻譜機制和網(wǎng)絡(luò)結(jié)構(gòu)”的學(xué)習(xí)者。

課程說明

1.從 EEG 研究問題出發(fā)，而不是從指標堆疊出發(fā)

本課程不會把 EEG 進階分析講成一串孤立指標，而是從真實研究問題出發(fā)：為什么要看功率譜？為什么頻段功率可能不夠？為什么要區(qū)分周期性振蕩和非周期背景？為什么腦網(wǎng)絡(luò)分析不能只看兩個電極之間的相關(guān)？課程會幫助學(xué)員理解每類方法背后的研究目的。

2.強調(diào)功率譜密度分析的基礎(chǔ)邏輯

課程會講解 EEG 功率譜密度（PSD）的基本思想，包括頻域表示、頻段功率、譜估計、信號長度、頻率分辨率和噪聲影響。學(xué)員將理解 PSD 不只是一個圖，而是后續(xù) FOOOF、頻譜解釋和網(wǎng)絡(luò)分析的重要基礎(chǔ)。

3.系統(tǒng)介紹 FOOOF 譜參數(shù)化方法

課程將重點講解 FOOOF 的核心思想：將功率譜分解為非周期背景成分和周期性峰值成分。學(xué)員將學(xué)習(xí)如何理解 offset、exponent、peak center frequency、peak power 和 bandwidth 等參數(shù)，以及這些參數(shù)在認知、疾病和個體差異研究中的解釋邊界。

4.連接功能連接、圖論指標與腦網(wǎng)絡(luò)解釋

課程會介紹腦網(wǎng)絡(luò)功能連接的基本概念和常用指標，幫助學(xué)員理解不同連接方法的適用場景和局限。進一步地，課程會講解如何將連接矩陣轉(zhuǎn)化為網(wǎng)絡(luò)圖，并計算常用圖論指標，例如 clustering coefficient、path length、efficiency、degree、modularity 等。

5.覆蓋網(wǎng)絡(luò)可控性分析的入門邏輯

網(wǎng)絡(luò)可控性分析為理解腦網(wǎng)絡(luò)如何從一個狀態(tài)轉(zhuǎn)移到另一個狀態(tài)提供了新的理論框架。課程將介紹 Network Controllability 的基本概念、輸入數(shù)據(jù)形式、常見指標和計算思路，幫助學(xué)員建立對腦網(wǎng)絡(luò)調(diào)控能力的初步理解。

6.完整代碼和示例數(shù)據(jù)，完成從理解到實操

課程將配套提供可運行的代碼和示例數(shù)據(jù)，帶領(lǐng)學(xué)員完成 PSD 計算、FOOOF 模型擬合、功能連接指標計算、圖論指標計算和網(wǎng)絡(luò)可控性分析。課程會強調(diào)每段代碼的輸入、輸出、關(guān)鍵參數(shù)和結(jié)果解釋，幫助學(xué)員從“知道方法”走向“能夠復(fù)現(xiàn)分析”。

你可能想問

Q：我只會基礎(chǔ) EEG 預(yù)處理，可以學(xué)習(xí)這門課嗎？

A：可以。本課程會從 PSD、功能連接和腦網(wǎng)絡(luò)的基本概念講起，不要求學(xué)員已經(jīng)掌握譜參數(shù)化或圖論分析。但如果已經(jīng)了解 EEG 濾波、分段、偽跡處理和基礎(chǔ)時頻分析，會更容易跟上。

Q：這門課會系統(tǒng)講 EEG 預(yù)處理嗎？

A：課程會簡要回顧預(yù)處理對頻譜和連接分析的影響，但重點不是完整預(yù)處理流程。課程核心是進階分析，包括 PSD、FOOOF、功能連接、圖論指標和網(wǎng)絡(luò)可控性。

Q：FOOOF 和普通頻段功率分析有什么區(qū)別？

A：普通頻段功率通常直接計算某個頻段的平均能量，而 FOOOF 會嘗試區(qū)分周期性振蕩峰值和非周期 1/f 背景活動。這樣可以減少把背景譜變化誤解釋為振蕩變化的風(fēng)險。

Q：課程使用 Python 還是 MATLAB？

A：課程建議以 Python 完成 PSD 和 FOOOF 分析，以 MATLAB 或 Python 演示功能連接和圖論指標計算。具體代碼環(huán)境可根據(jù)開課安排提供。

Q：腦網(wǎng)絡(luò)分析是不是只要算連接矩陣就可以？

A：不是。連接矩陣只是第一步。還需要考慮指標選擇、體積傳導(dǎo)、閾值化、網(wǎng)絡(luò)密度、統(tǒng)計檢驗和結(jié)果解釋。課程會強調(diào)這些常見問題，避免只計算不解釋。

Q：網(wǎng)絡(luò)可控性適合所有 EEG 數(shù)據(jù)嗎？

A：不一定。網(wǎng)絡(luò)可控性通常需要清晰定義節(jié)點、邊和系統(tǒng)狀態(tài)，并且要明確研究問題。課程會介紹其基本思想和適用邊界，幫助學(xué)員判斷自己的數(shù)據(jù)是否適合進一步分析。

Q：課程結(jié)束后我能得到什么成果？

A：學(xué)員將完成一套 EEG 進階分析流程，包括 PSD 結(jié)果、FOOOF 參數(shù)、功能連接矩陣、圖論指標和網(wǎng)絡(luò)可控性分析思路，并能理解如何將這些結(jié)果用于自己的課題。

Q：報名后怎么學(xué)習(xí)？可以退出嗎？有發(fā)票嗎？

A：課程提供發(fā)票，我們會在開課前兩種分發(fā)課前準備資料，請大家根據(jù)資料進行預(yù)習(xí)和準備工作。分發(fā)資料前，如因個人原因需要退、改的同學(xué)，聯(lián)系小助手進行協(xié)商；分發(fā)課前準備資料后不再接受退、改申請

↓滑動查看往期學(xué)員反饋↓

如何報名？