eog

# 眼电图 (EOG) 分析 ## 概述 眼电图 (EOG) 通过检测眼球位置变化产生的电位差来测量眼球运动和眨眼。EOG 常用于睡眠研究、注意力研究、阅读分析以及脑电图 (EEG) 的伪影校正。 ## 主要处理工作流 ### eog_process() 自动化的 EOG 信号处理工作流。 python signals, info = nk.eog_process(eog_signal, sampling_rate=500, method='neurokit') **工作流步骤：** 1. 信号清洗（滤波） 2. 眨眼检测 3. 眨眼频率计算 **返回：** - `signals`: 包含以下内容的 DataFrame： - `EOG_Clean`: 滤波后的 EOG 信号 - `EOG_Blinks`: 二进制眨眼标记 (0/1) - `EOG_Rate`: 瞬时眨眼频率（次/分钟） - `info`: 包含眨眼索引和参数的字典 **方法：** - `'neurokit'`: NeuroKit2 优化方法（默认） - `'agarwal2019'`: Agarwal 等人 (2019) 算法 - `'mne'`: MNE-Python 方法 - `'brainstorm'`: Brainstorm 工具箱方法 - `'kong1998'`: Kong 等人 (1998) 方法 ## 预处理函数 ### eog_clean() 为眨眼检测准备原始 EOG 信号。 python cleaned_eog = nk.eog_clean(eog_signal, sampling_rate=500, method='neurokit') **方法：** - `'neurokit'`: 针对 EOG 优化的巴特沃斯滤波 - `'agarwal2019'`: 替代滤波方法 - `'mne'`: MNE-Python 预处理 - `'brainstorm'`: Brainstorm 方法 - `'kong1998'`: Kong 的方法 **典型滤波：** - 低通：10-20 Hz（去除高频噪声） - 高通：0.1-1 Hz（去除直流漂移） - 保留眨眼波形（典型持续时间 100-400 ms） **EOG 信号特征：** - **眨眼**：大振幅、定型波形 (200-400 ms) - **扫视 (Saccades)**：快速阶梯状偏转 (20-80 ms) - **平滑追踪**：缓慢的斜坡状变化 - **基线**：眼球固定时保持稳定 ## 眨眼检测 ### eog_peaks() 检测 EOG 信号中的眨眼。 python blinks, info = nk.eog_peaks(cleaned_eog, sampling_rate=500, method='neurokit', threshold=0.33) **方法：** - `'neurokit'`: 振幅和持续时间标准（默认） - `'mne'`: MNE-Python 眨眼检测 - `'brainstorm'`: Brainstorm 方法 - `'blinker'`: BLINKER 算法 (Kleifges 等人, 2017) **关键参数：** - `threshold`: 振幅阈值（最大振幅的分数） - 典型值：0.2-0.5 - 较低：更敏感（可能包含误报） - 较高：更保守（可能漏掉小眨眼） **返回：** - D