(资料图)

。对于频率分析，由于可能发生“边缘效应”（即由于时间窗口大于可用数据的时间窗口而导致的失真或瞬态效应），需要在片段的两侧增加更多空间（Debener等，2005; Herrmann等，2005; Roach和Mathalon，2008）。同样适用于滤波器，它们也可能导致边缘效应。为了避免这些伪迹，

通过与其他公开可用的脑电图（EEG）IC分类器的比较，证明了这个分类器在所有测量的IC类别中的性能优于以前公开可用的自动IC

讨论

我们提出了一个标准化、自动化的开源处理流程，用于处理EEG数据。在追求研究结果的鲁棒性方面，可复制性和标准化变得越来越重要的时代，我们提出了一个用于（预）处理EEG数据以及检测和图形化表示测量值的流程建议，以检查处理结果的完整性。我们希望这里提供的脚本能够为未来研究的EEG分析提供一个易于理解和复制的基础，同时鼓励人们探索他们的数据并验证他们的结果。此外，一个开放和可复制的处理流程可以确保来自不同来源的数据集更容易地被转移到联合分析中。所提出的处理流程不仅限于ERP或频率分析，还为这两种分析以及单个试验分析提供了必要的代码。然而，值得一提的是，该处理流程仅仅是一个建议，可以根据数据和范式的需求进行调整。通过这个开始处理EEG数据的工具，用户可以希望以标准化和灵感激发的方式分析数据，并向科学界呈现有价值的结果。

未来的发展和对这个处理流程的额外验证应该涵盖临床对象和健康对象，并涵盖不同年龄段。总的来说，对于未来的工作来说，将日益增长的预处理流程进行对比，并评估其在特定子群体中的适用性和质量，可能是值得的。