动摇实时相位估计基础的事实
1.研究背景
由于刺激伪迹会掩盖信号，QY球友会很难通过标准的信号处理方法决定刺激给予时的相位。本研究中利用相等估计值的方差和合成相位已知的模拟EEG信号，量化了信噪比及实时信号峰值对相位估计误差方差的影响。
2.研究方法
2.1 被试
为了调查相位估计的准确率，利用了来自EEG–TMS实验的现有数据集，共包括 140 名被试，其中男性53 人, 女性87 人, 年龄范围24±5岁。
2.2 数据采集与处理
基于刺激前的EEG相位对MEP（motor evoked potentials：运动诱发电位）进行事后分类利用的是另一个实验的现有数据集，在该实验中，一名健康被试左运动皮层的hand-knob区域接受1150个TMS脉冲刺激。
静息态 EEG 信号的采集采用64导脑电帽，实时数据采集采样率为5kHz；MEP实验中，EMG信号的采集是通过EEG放大器的双极输入通道进行的。
对于静息态c，数据离处理选择以C3为中心的部分电极（FC1, FC5, CP1, CP5），降采样为1kHz，选取最初的250s。
在MEP实验的事后分类阶段，使用PowerMAG Research 100的PMD70-pCool线圈（MAG & More GmbH）施加双相TMS刺激，刺激时长为160μs，刺激强度为115%MT（运动阈值），刺激间间隔为2.1s。
分析流程
① 对每个数据的感觉运动μ波进行频谱分析，确定振幅频率和信噪比。
② 将每个数据分成500个长度为2s的epoch（各段之间有重叠），使用带通滤波和希尔伯特变换，确定每个epoch中央点的相位。
③ 基于每个epoch中央点之前的数据段，利用PHASTIMATE法进行相位估计。在被试内优化参数，使得估计相位值与中央相位值差值的圆形偏差最小。
④ 利用先行研究中的参数、被试间最优参数的平均值、每个被试的最优参数再次运行PHASTIMATE脚本。
⑤ 评估不同条件（信噪比、振幅）下的相位估计准确率。
⑥ 最后，对EEG–TMS–EMG实验数据运行PHASTIMATE脚本，看是否能验证刺激前μ波相位和MEP振幅之间的关系。
3.实验结果
经过对各种参数组合的对比，发现最优参数为：时间窗长度为179个采样点、192号滤波、25号自回归正向预测、65号边缘。此外，还对比了固定带通滤波8-12Hz与个人频率峰值±1Hz带通滤波下的预测准确率。
图1. A. 不同自回归正向预测参数下相位估计圆形偏差的中位数 B. 采样率从8-13Hz变成被试各自±1Hz带通滤波时相位估计准确率的提高 C. 时间窗从500ms变成719ms时相位估计准确率的提高
对用PHASTIMATE进行自回归正向预测得到的相位和进行对数变换后的MEP振幅做球形-线性回归，发现两者的相关高度明显，且正弦模型比常数模型的拟合度更高。
图2. 基于μ波预测相位对MEP振幅进行的估计。实线正弦曲线表示圆形回归的拟合度；曲线正弦曲线表示对应水平轴的刺激前相位
4.结论
本研究认为，相位虽然只是一个标量值，但是在测量大脑状态的某些方面能够提供重要信息。因此，有必要从理论和实践上理解不同条件下相位估计的准确率。本研究的结果表明，筛选固定位置的EEG信号以及足够高的信噪比才能保证相位估计的准确率。此外，鉴于估计的准确率在被试内的差异甚至可能大于被试间的差异，想要获得预想的效果，选择合适的刺激时机是十分重要的。
05参考文献及DOI号
Zrenner, C., Galevska, D., Nieminen, J. O., Baur, D., Stefanou, M. I., & Ziemann, U. (2020). The shaky ground truth of real-time phase estimation. Neuroimage, 214, 116761.
Doi: 10.1016/j.neuroimage.2020.116761
