# 新兴 EEG 设备的信号质量评估
> AI 辅助翻译，非官方版本。专业判断、引用和争议应以原文及其勘误为准。
- 来源 ID：S0057
- DOI：10.3389/fphys.2018.00098
- 原始来源：https://www.ebi.ac.uk/europepmc/webservices/rest/PMC5817086/fullTextXML
- 许可：CC BY 4.0
- 翻译方法：Independent manual review; SHA-256-pinned source and translation
- 审校状态：独立人工审校完成
## 原始文件映射
- [fullTextXML.xml](../original/fullTextXML.xml)
## 许可文件（保留原文）
- [creative-commons-legalcode.txt](../license/creative-commons-legalcode.txt)：法律或许可证据原文未翻译
- [europepmc-fullTextXML.xml](../license/europepmc-fullTextXML.xml)：法律或许可证据原文未翻译
## 原始文件：fullTextXML.xml
# 新兴 EEG 设备的信号质量评价
- 期刊：Frontiers in Physiology
- 文章类型：技术报告
- 作者：Thea Radüntz*
- 作者单位：德国柏林，德国联邦职业安全与健康研究所，工作与健康部，心理健康与认知能力组
- 通讯作者：Thea Radüntz（raduentz.thea@baua.bund.de）
- 编辑：Kris Thielemans，英国伦敦大学学院
- 审稿人：Tommaso Gili，意大利 Enrico Fermi Center；Danilo Mandic，英国帝国理工学院
- 收稿日期：2017-10-11；接受日期：2018-01-29；发表日期：2018-02-14
- DOI：10.3389/fphys.2018.00098
- PMCID：PMC5817086
- PMID：29491841
- 版权：Copyright © 2018 Radüntz
- 许可：知识共享署名许可协议（CC BY 4.0）。在注明原作者和版权所有者、引用本刊原始论文并遵守学术规范的前提下，可在其他平台使用、传播或复制本文；不符合这些条件的使用、传播或复制均不允许。
- 资助声明：原文未列出资助来源。
## 摘要
脑电图（EEG）记录能够直接测量脑活动，具有独特的应用潜力。在研究人类认知、评估受试者健康状况或监测其心理状态时，EEG 是最可靠、最具预测力的指标之一。遗憾的是，标准信号采集流程限制了 EEG 设备的易用性，也缩小了其在实验室外的应用范围。新兴传感技术可以实现无凝胶 EEG 记录和无线信号传输，使使用者能够自行快速、简便地佩戴设备。良好的信号质量是解读 EEG 的主要前提，但针对新型设备信号质量的研究仍然不足。本研究比较了 6 种差异很大的 EEG 设备。连续 6 天内，24 名受试者每天佩戴一种设备 60 min，并在计算机上完成任务和游戏。我们从时域和频域评价记录信号。时域分析考察受伪迹污染的 EEG 片段比例和信噪比；频域分析关注频带功率随任务要求发生的变化。结果表明，无凝胶系统的信号质量未能超过移动式凝胶 EEG 系统。不过，部分移动式干电极设备的信号已接近凝胶系统，显示出较好的应用前景。本研究具体比较了新兴移动式无凝胶 EEG 记录技术的信号质量，并据此评价新设备的功能，为其在一般场景中的应用和后续开发提供依据。
关键词：信号质量，脑电图（EEG），移动式 EEG，干电极，可穿戴设备
## 1. 引言
脑电图（EEG）记录直接测量脑活动，具有独特的应用潜力。所有生理和心理过程均由大脑控制，因此相关信息也会反映在所记录的信号中。在研究人类认知、评估受试者健康状况或监测其心理状态时，EEG 是最可靠、最具预测力的指标之一。
良好的信号质量是解读所记录脑活动的主要前提。常用做法是在屏蔽实验室中记录 EEG，并在放置电极前处理受试者皮肤，以降低阻抗。遗憾的是，这些标准流程限制了 EEG 设备的易用性，也缩小了实验室外的应用范围。真实场景中的另一项难题是电极帽与放大器、计算机之间的有线连接，它会严重限制受试者活动，也会降低使用者对这种测量技术的接受度。
过去几年，研究工程师和 EEG 系统制造商一直在设法解决这些问题，以便在实验室外简便、可靠地记录 EEG。借助无线信号传输，他们开发出让受试者可以更自由活动的移动式设备。新兴传感技术还可实现无凝胶 EEG 记录，使使用者能够自行快速、简便地佩戴设备。不过，这些新设备的信号质量仍不明确。
讨论这一问题的论文很少。其中，一些研究主要比较移动式与非移动式设备，未纳入新兴干电极系统（Forney et al., 2013；Ries et al., 2014）；另一些研究只考察单一干电极设备及其总体性能（Callan et al., 2015；Rogers et al., 2016）。还有研究比较一种干电极设备和一种凝胶设备（Zander et al., 2011；Johnstone et al., 2012；Duvinage et al., 2013）。不过，多数论文介绍的是自行开发的干式传感器，并将其信号质量与传统凝胶系统比较（Sullivan et al., 2007；Nikulin et al., 2010；Grozea et al., 2011；Saab et al., 2011；Debener et al., 2012；Guger et al., 2012）。一项考察两种以上设备的研究纳入了无线凝胶设备、无线盐水设备、有线干电极设备和有线凝胶电极设备（Grummett et al., 2015）。据我们所知，尚无研究比较多种无线干电极系统的信号。
本研究比较了多种移动式无凝胶 EEG 设备的信号质量，对处于起步阶段的 EEG 记录技术作了细分考察，并评价新设备的功能。所得结果为新兴设备在实验室外的普遍应用提供了必要依据，也可用于支持其后续开发。
## 2. 材料与实验
### 2.1. EEG 系统
本研究考察了 6 种移动式 EEG 设备。图 1 展示了这些设备，表 1 汇总了其技术规格。
#### 图 1：本研究测试的 6 种移动式 EEG 设备。
#### 表 1：所测试 EEG 设备的技术参数（n.s.：未说明）。
| 设备 | EPOC | Trilobite | Jellyfish | BR8+ | g.SAHARA | g.LADYbird |
| --- | --- | --- | --- | --- | --- | --- |
| 电极类型 | 湿式（盐水） | 干式（弹簧、泡沫） | 干式（弹簧、泡沫） | 干式（弹簧、泡沫） | 干式（针状） | 凝胶式（有源） |
| 通道数 | 14 | 32 | 4 | 8 | 16 | 16 |
| 电池续航时间 [h] | 12 | 10 | 10 | 11 | 10 | 10 |
| 分辨率 [bit] | 14 | 24 | 24 | 24 | 24 | 24 |
| 最大采样率 [Hz] | 128 | 500 | 500 | 1000 | 500 | 500 |
| 带宽 [Hz] | 0.2–45 | 0.23–n.s. | 0.23–n.s. | 0.12–125 | 0.1–40 | 0.1–40 |
| 重量 [g] | 116 | 524 | 95 | 269 | 233 | 165 |
EPOC 是本研究唯一使用盐水湿式毡状传感器的设备。它有两个参考电极，安装在顶叶两侧（P3/P4 位置）。
Jellyfish 也便于佩戴。它由一条带有 4 个干电极的头带和一个贴在乳突处的黏附式参考电极组成。4 个电极既可置于额区，也可置于顶区。制造商建议额区使用泡沫电极，顶区使用弹簧加载电极（图 1E）。本研究记录额区 EEG，因此在头带上安装了泡沫电极。
Trilobite 与 Jellyfish 来自同一家制造商。该设备包含 3 个额区泡沫电极和 29 个弹簧加载针状电极，另有一个地电极和一个耳夹式参考电极。
BR8+ 包含 2 个额区泡沫电极和 6 个弹簧加载针状电极。地电极和参考电极均通过耳夹佩戴。设备的耳垫没有任何技术功能。
g.tec 的 g.SAHARA/g.Nautilus 设备将针状电极安装在传统 EEG 帽上，黏附式地电极和参考电极贴于乳突处。电极帽有小、中、大三种尺寸。为降低经费支出，本研究只使用中号帽。
最后，我们还纳入了 g.tec 的传统凝胶式移动 EEG 系统 g.LADYbird/g.Nautilus。该设备包含 16 个有源电极，并以一个耳夹电极作为参考。与 g.SAHARA/g.Nautilus 一样，其电极帽尺寸可选，但为降低成本，本研究只使用中号帽。g.LADYbird/g.Nautilus 主要为科研和医疗用途开发。本研究将其作为当前 EEG 记录技术的参照，用于比较信号质量。
各设备无法使用相同的采样率。为使后续评价条件尽量可比，我们尝试以尽可能接近的采样率运行各设备。Jellyfish 和 Trilobite 以 256 Hz 记录 EEG，g.SAHARA 和 g.LADYbird 使用 250 Hz。其余两种设备无法手动调至 250 Hz，因此 EPOC 以 128 Hz 运行，BR8+ 以 1000 Hz 运行。所有记录均使用 50 Hz 数字陷波滤波器。全部 EEG 设备均通过无线方式向计算机传输信号。
### 2.2. 实验流程与受试者
研究在未屏蔽的办公室环境中进行。共有 24 名受试者参加，其中女性 11 名、男性 13 名，年龄 26–66 岁，平均 42.8 岁。受试者每天测试一种设备，佩戴 60 min。在此期间，他们玩计算机游戏，并各用 5 min 完成一项简单认知任务和一项难度较高的认知任务。简单任务采用 0-back 任务，要求受试者在屏幕上出现字母“X”时按下鼠标键（Kirchner, 1958；Gazzaniga et al., 2013）。难度较高的任务采用停止信号任务，用于考察抑制控制（Logan, 1994；Dimoska, 2005）。屏幕出现水平向左箭头时，受试者须尽快按绿色鼠标键；出现水平向右箭头时，须按红色鼠标键。如果水平箭头后很快出现竖直箭头，则须抑制反应，不按任何按键。受试者应尽快反应，同时记住主要目标是让箭头周围的边框保持绿色。红色边框表示反应太慢；此时需要加快反应，但仍须注意竖直箭头。
最后，我们进行了两次静息测量，要求受试者安静坐 1 min，先睁眼，随后闭眼。设备在不同受试者和不同日期间按随机顺序安排，但所有人的任务顺序保持不变。
所有研究均经本机构当地审查委员会批准，实验依照《赫尔辛基宣言》进行。受试者在充分理解研究内容后签署了书面知情同意书，所有流程均在此基础上实施。
## 3. 方法
为评价信号质量，我们在时域中考察各设备的伪迹比例和信噪比，并在频域中分析信号特性。
### 3.1. 时域评价
根据对时域信号质量的预期，我们提出了两个假设。检验这两个假设时使用了所有计算机任务的 EEG 数据。
#### 3.1.1. 伪迹比例
> 假设 1：凝胶设备的伪迹比例显著低于无凝胶设备。
针对假设 1 的 EEG 时域评价采用人工方式完成。由专家目视检查并剔除受污染 EEG 片段，是科研和临床中广泛采用且得到认可的方法。因此，我们请一名专长为 EEG 分析、并具有多年相关经验的医学技术助理（MTA）协助评价。
MTA 目视检查了每名受试者使用所有设备记录的 EEG，并按照基于专业技能的现行流程人工标记伪迹片段。她没有标记生理伪迹（如眨眼和眼动），因为这些伪迹与设备特性无关。
随后，我们对每个通道计算已标记伪迹占总记录时间的百分比，最后按设备计算所有通道和受试者的平均值。
#### 3.1.2. 信噪比
> 假设 2：凝胶设备的信噪比显著高于无凝胶设备。
我们采用信噪比（SNR）这一标准方法评价信号质量。SNR 按下式计算：
SNR=10·log10(σx2σe2)[dB]
其中，σx2 为信号方差，σe2 为噪声方差。对于本研究中的零均值信号，上式可写为：
SNR=10·log10∑(i=1)Nxi2∑(i=1)N(si−xi)2
其中，*N* 为采样点数，*x**i* 为时刻 *i* 的降噪信号，*s**i* 为时刻 *i* 的带通滤波信号。
首先，我们用 1–40 Hz、阶数为 100 的 Hamming 带通滤波器处理原始信号，得到滤波信号 *s**i*。随后应用伪迹子空间重构（ASR）算法，计算降噪后的信号幅值 *x**i*（Mullen et al., 2013）。该算法尤其适合从连续、无触发的数据中清除伪迹，也已在科研界得到广泛应用（如 Bulea et al., 2015；Luu et al., 2017），并被推荐用于无线干电极系统（Mullen et al., 2015）。下面简要说明算法的工作方式。
该算法先从给定 EEG 中识别一段干净信号并计算其统计量。随后，ASR 用滑动窗口遍历 EEG，对每个窗口执行主成分分析。算法移除方差高于均值 3 个标准差的成分，再用根据此前所识别干净片段计算的混合矩阵重构其内容。关于算法的数学基础和功能，读者可参阅开发者发表的相关论文。
分母中的残余噪声信号取带通滤波信号 *s**i* 与 ASR 降噪信号 *x**i* 之差。在这一假设下可以比较各设备的信号质量。每种设备的 SNR 值均按所有电极和受试者计算。
### 3.2. 频域评价
为评价频域信号质量，我们又提出了 3 个假设。我们预计，如果设备信号质量良好，不同任务下信号频带功率应存在显著差异。
> 假设 3：对于信号质量良好的设备，睁眼与闭眼测量之间应出现显著的 Berger 效应。
第三个假设以所谓的 Berger 效应为依据（Berger, 1929）：睁眼时的顶叶 α 频带功率应低于闭眼时。这一现象也称为“α 阻断”。
对每种设备，我们都考察睁眼和闭眼两次静息测量。先剔除此前标记为伪迹的所有片段，再对顶叶电极的无伪迹信号使用 8–12 Hz 的 Hamming α 频带带通滤波器（图 2）。睁眼和闭眼静息测量的相对频带功率值均在电极间取平均。
#### 图 2：加深显示的位置构成各 EEG 设备的电极布局。用于计算额叶 θ 频带功率的电极以红色标出，用于计算顶叶 α 频带功率的电极以绿色标出。
> 假设 4：对于信号质量良好的设备，与简单认知任务相比，难度较高的认知任务应伴随额叶 θ 功率显著升高。
第四个假设基于额叶 θ 频带功率与所承受工作负荷之间的关系。以往大量研究的结果（如 Gevins et al., 1998；Radüntz, 2016）表明，与简单认知任务相比，难度较高的认知任务应伴随额叶 θ 功率显著升高。
为此，我们分析了每种设备在 0-back 和停止信号任务中记录的 EEG。先剔除此前标记的所有伪迹片段，再对额叶电极的无伪迹信号使用 4–8 Hz 的 Hamming θ 频带带通滤波器（图 2）。两个任务的相对频带功率值均在电极间取平均。
> 假设 5：对于信号质量良好的设备，与简单认知任务相比，难度较高的认知任务应伴随顶叶 α 频带功率显著降低。
最后一个假设同样依据工作负荷相关发现，但考察的是顶叶 α 频带功率；与简单认知任务相比，难度较高的认知任务应使该功率显著降低（Gevins et al., 1998；Radüntz, 2016）。
对每种设备，我们分析 0-back 和停止信号任务的 EEG。剔除此前标记的所有伪迹片段后，对顶叶电极的无伪迹信号使用 8–12 Hz 的 Hamming α 频带带通滤波器（图 2）。随后，两个任务的相对频带功率值均在电极间取平均。
## 4. 结果
数字信号处理在 MATLAB 中完成，所有统计计算均使用 SPSS。补充材料列出了每项分析和每套系统中各受试者的数值。
### 4.1. 时域评价
#### 4.1.1. 伪迹比例
为统计评价不同设备的伪迹比例，我们采用重复测量设计进行方差分析（ANOVA）。6 种设备构成 6 个水平，每名受试者均在被试内变量的各个水平接受测试。随后进行 Bonferroni 校正的 *post-hoc* 检验，以确定各水平之间的差异。
结果见图 3。不同设备中受伪迹污染的信号片段比例存在显著差异 [Greenhouse–Geisser 校正：*F*(2.72; 62.61) = 15.88，*p* < 0.001]。*post-hoc* 检验显示，传统凝胶式 g.LADYbird 的伪迹显著少于几乎所有其他设备，BR8+ 的伪迹则显著多于大多数设备。干式针状电极设备 g.SAHARA 的伪迹比例显著低于其余针状电极设备，但高于凝胶设备。EPOC 与其他任何设备相比均未发现显著差异。
##### 图 3：每种设备中，按通道和受试者取平均的人工标记 EEG 伪迹比例（重复测量方差分析及 Bonferroni 校正的 *post-hoc* 检验：***：*p* ≤ 0.001；**：0.001 < *p* ≤ 0.01；*：0.01 < *p* ≤ 0.05；误差线表示 ±1 个标准差）。
#### 4.1.2. 信噪比
在具体介绍 SNR 结果前，需要说明：ASR 算法在分析 Trilobite 为 4 名受试者记录的 EEG 时失败。算法无法找到所需长度、且所有电极信号同时干净的片段作为参照。因此，后续对所有设备进行统计计算时都必须剔除这 4 名受试者。
对每种设备，我们先在所有受试者和任务中计算每个电极 SNR 的中位数。初步观察发现设备之间存在明显差异，g.LADYbird 和 g.SAHARA 的 SNR 最高（图 4）。为对这一观察结果进行统计评价，我们按每名受试者和每种设备计算所有通道 SNR 的中位数，随后采用非参数 Friedman 检验比较 6 种设备之间的差异。
##### 图 4：每个通道在所有受试者中的 SNR 中位数。
结果表明，各设备的 SNR 存在显著差异（χ² = 71.34，df = 5，*n* = 20，*p* < 0.001）。随后进行 Dunn–Bonferroni *post-hoc* 检验，以确定设备间差异，结果见图 5。g.LADYbird 的 SNR 显著高于 Trilobite（z = −5.409，*p* < 0.001，r = 1.2）、EPOC（z = −6.339，*p* < 0.001，r = 1.4）和 Jellyfish（z = −5.832，*p* < 0.001，r = 1.3）。g.SAHARA 与这 3 种设备比较所得结果同 g.LADYbird 相近（Trilobite：z = 4.226，*p* < 0.001，r = 0.9；EPOC：z = −5.155，*p* < 0.001，r = 1.2；Jellyfish：z = −4.648，*p* < 0.001，r = 1.04）。BR8+ 的 SNR 也显著高于 EPOC（z = 3.803，*p* < 0.01，r = 0.9）和 Jellyfish（z = −3.296，*p* < 0.05，r = 0.7）。按照 Cohen（1992）的准则，上述设备配对中相关系数所对应的效应量均可解释为大效应。
##### 图 5：每种设备按通道和受试者计算的 SNR 中位数（Friedman 差异检验及 Bonferroni 校正的 *post-hoc* 检验：***：*p* ≤ 0.001；**：0.001 < *p* ≤ 0.01；*：0.01 < *p* ≤ 0.05；误差线表示 ±1 个标准差）。
### 4.2. 频域评价
为评价频域信号质量，我们对每个假设分别进行了统计检验。由于设备在电极数量、电极布局、参考电极和电极类型上差异很大，统计推断也按设备分别进行。这些差异不允许在设备之间开展统计推断分析，但分别计算每种设备的推断统计量适合用于检验假设。设备间只能作描述性比较。由于电极配置限制，Jellyfish 无法用于评价第三和第五个假设。
检验第三个假设时，我们考察睁眼和闭眼静息测量中的顶叶 α 频带功率。先用 Shapiro–Wilk 检验判断每种设备在两次静息测量中的 α 频带功率是否服从正态分布。所有设备睁眼时的顶叶 α 频带功率均不服从正态分布（*p* < 0.05）。闭眼时，大多数设备的 α 频带功率同样不服从正态分布，只有 g.SAHARA 和 g.LADYbird 例外（*p* > 0.05）。为便于比较，我们对每套 EEG 系统均采用 Wilcoxon 配对差异检验。结果见图 6A。除 Trilobite（*p* = 0.19）外，所有设备睁眼与闭眼时的 α 频带功率均存在显著差异。
##### 图 6：不同条件下的频带差异，按通道和受试者取平均，并对每种设备分别分析（非正态分布数据采用 Wilcoxon 配对差异检验；***：*p* ≤ 0.001；**：0.001 < *p* ≤ 0.01；*：0.01 < *p* ≤ 0.05；误差线表示 ±1 个标准差）。（A）假设 1：睁眼和闭眼静息测量期间顶叶 α 频带功率的变化。（B）假设 2：简单与难度较高认知任务期间额叶 θ 频带功率的变化。（C）假设 3：简单与难度较高认知任务期间顶叶 α 频带功率的变化。
第四个假设采用类似流程，考察 0-back 和停止信号任务的 θ 频带功率。Shapiro–Wilk 检验显示，所有设备在 0-back 任务中的 θ 频带功率大致服从正态分布，而停止信号任务中的功率不服从正态分布（Jellyfish 和 BR8+ 的 *p* < 0.05）。因此采用 Wilcoxon 检验。结果见图 6B。只有 Jellyfish 和 g.LADYbird 在简单任务与难度较高任务之间表现出额叶 θ 频带功率显著升高。
最后，为验证最后一个假设，我们考察了两项认知任务中的 α 频带功率。Shapiro–Wilk 检验表明，0-back 任务期间，所有设备的 α 频带功率均不服从正态分布（*p* < 0.05）。停止信号任务期间，除 EPOC 和 g.LADYbird（*p* < 0.05）外，几乎所有设备的 α 频带功率均服从正态分布。因此必须采用 Wilcoxon 检验。简单任务与难度较高任务之间的配对差异检验显示，BR8+、g.SAHARA 和 g.LADYbird 的顶叶 α 频带功率均显著降低（图 6C）。
## 5. 讨论与结论
对时域信号进行目视检查并统计分析伪迹比例后发现，凝胶式 g.LADYbird 的干扰最少，符合假设 1。在无凝胶设备中，g.SAHARA 表现最好，受伪迹污染的片段比例很小。还需提醒读者，EPOC 与任何其他设备相比都没有显著差异。这可能是因为受试者间方差很大，有必要进一步说明，以便为该设备的实际使用提供信息。事实上，这款头戴设备无法适配受试者不同的头围。适配不良时，电极不能与皮肤充分接触，记录信号中会出现 23 和 28 Hz 的噪声干扰。我们推测，电极接触松动时，设备会引入来自电网的混叠伪迹，因此联系制造商寻求详细解释。其技术支持人员表示：“出现这一问题，是因为共模感测有源电极与右腿驱动无源电极这一对电极无法抵消环境噪声；原因可能是头戴设备没有戴在人体上，也可能是参考位置（耳后上方 30°，或每只耳朵正后方）的连接接触不良。”我们据此认为，设备难以适配不同头围，导致受试者间的伪迹比例方差很大。EPOC 只生产一种尺寸，因此会对信号质量产生不利影响。
检验第二个假设时，我们用信噪比表征设备的信号质量。所有设备的 SNR 范围都很低，为 −18–9 dB，与文献报道范围一致。正如预期，额区受眼部伪迹污染，SNR 较低（Goldenholz et al., 2009；Mishra and Singla, 2013；Radüntz et al., 2015）。凝胶式 g.LADYbird 的 SNR 最佳，统计分析显示，它显著高于 SNR 最差的 3 种设备，即 Trilobite、EPOC 和 Jellyfish。在无凝胶设备中，g.SAHARA 的 SNR 最佳；与 g.LADYbird 相似，其 SNR 显著高于 Trilobite、EPOC 和 Jellyfish。不过，与 g.LADYbird 不同，所有无凝胶设备的 SNR 都未超过 0 dB（图 5）。这表明信号与噪声之比小于 1，噪声叠加在信号之上。在要求精确测量的临床实践中，这可能尤其成问题。
前两个假设集中评价 EEG 的时域特性。时域评价首先用于识别各设备在伪迹易感性上的明显差异，频域评价则进一步考察信号本身。剔除所有受伪迹污染的片段后，我们希望判断信号是否反映了真实脑活动。为此，我们根据已经得到充分研究的 EEG 变化规律又提出 3 个假设。如果设备确实记录到脑信号，应能清楚观察到 Berger 效应；随着任务要求提高，额叶 θ 频带功率应升高，顶叶 α 频带功率应降低。
凝胶式 g.LADYbird 的结果支持全部 3 个频域假设。g.SAHARA 和 BR8+ 在 Berger 效应以及高难度认知任务期间顶叶 α 频带功率降低方面呈现显著差异。EPOC 只在 Berger 效应上出现显著差异。Jellyfish 仅能纳入额叶 θ 频带功率变化的检验；在所有无凝胶设备中，只有它能在任务要求提高时记录到 θ 频带功率显著升高。Trilobite 是唯一在最后 3 个假设中均未显示任何显著频带功率变化的设备。
综上，所有受测设备均可移动，不会限制受试者活动。除 g.LADYbird 外，其余设备使用无凝胶电极，受试者可以自行简便佩戴。表 2 汇总了本研究的信号质量结果。下面根据不同使用条件，说明实际 EEG 使用者可以选择哪些系统。
### 表 2：所测试 EEG 设备的信号质量结果（***：*p* ≤ 0.001；**：0.001 < *p* ≤ 0.01；*：0.01 < *p* ≤ 0.05）。
| 设备 | EPOC | Trilobite | Jellyfish | BR8+ | g.SAHARA | g.LADYbird |
| --- | --- | --- | --- | --- | --- | --- |
| 伪迹比例 [%] | 25.11 | 41.14 | 22.36 | 51.22 | 16.21 | 3.19 |
| SNR [dB] | −13.66 | −11.55 | −14.31 | −3.78 | −0.50 | 5.09 |
| Berger 效应 | * | | − | *** | *** | *** |
| 额叶 θ 功率升高 | | | ** | | | * |
| 顶叶 α 功率降低 | | | | ** | ** | *** |
传统凝胶式移动设备 g.LADYbird/g.Nautilus 表现最佳，其他新兴设备均未达到其信号质量。需要精确测量的神经科学研究可选用该设备。
g.SAHARA/g.Nautilus 的信号质量在无凝胶设备中最好，可认为相当令人满意。它适合开展现场实验，但外观不够美观，舒适度也可能影响使用者接受度。长时间佩戴针状电极可能成为主要问题。本研究使用多份问卷调查使用体验，相关结果将在后续论文中发表。
其余设备未达到我们对适当信号质量的要求，但部分使用者仍可能选择它们开展移动场景应用。
EPOC 和 BR8+ 的适配情况取决于受试者头部大小和形状，适配不良会产生大量伪迹。因此，只有在能够保证设备与头部完全贴合时才建议使用，例如个性化脑机接口应用。
Jellyfish 的潜在使用者应注意，该设备只能测量额叶脑活动，而且额叶电极信号受大量伪迹污染。电极数量少，也不利于使用依靠周边信息的伪迹校正算法。不过，该设备可能适用于游戏或生物反馈领域。
Trilobite 的结果不理想，时域和频域评价均为负面。根据本研究结果，无法推荐使用 Trilobite。
EEG 设备市场发展很快。本研究进行期间，市场上出现了未能纳入测试的新设备，例如 BrainProducts 的 actiCAP Xpress Twist/LiveAmp。耳内 EEG 技术也是一种新的创新方案（Looney et al., 2012；Goverdovsky et al., 2017）。
对于事件相关电位的触发数据，Oliveira et al.（2016）已经提出了评价新型 EEG 技术的指标。本研究设计和设备信号质量评价方法也可直接用于后续研究，以考察新设备和无触发连续数据。这样的基准能够评价后续出现的 EEG 技术，并将新设备的测试结果纳入已有研究结果，从而比较不同的新兴 EEG 设备。
## 作者贡献
TR 发起本项目，负责研究的整体构思和数据分析，并完成数据解释。TR 撰写了论文。
## 利益冲突声明
作者声明，本研究未涉及任何可能被视为潜在利益冲突的商业或财务关系。
## 参考文献（保留原文）
- Berger H. (1929). Über das Elektrenkephalogramm des Menschen. Archiv für Psychiatr. Nervenkrankheiten, 87, 527 – 570. 10.1007/BF01797193
- Bulea T. C. Kim J. Damiano D. L. Stanley C. J. Park H. S. (2015). Prefrontal, posterior parietal and sensorimotor network activity underlying speed control during walking. Front. Hum. Neurosci. 9: 247. 10.3389/fnhum.2015.00247 26029077 PMC4429238
- Callan D. E. Durantin G. Terzibas C. (2015). Classification of single-trial auditory events using dry-wireless eeg during real and motion simulated flight. Front. Syst. Neurosci. 9: 11. 10.3389/fnsys.2015.00011 25741249 PMC4330719
- Cohen J. (1992). A power primer. Psychol. Bull. 112, 155 – 159. 10.1037/0033-2909.112.1.155 19565683
- Debener S. Minow F. Emkes R. Gandras K. de Vos M. (2012). How about taking a low-cost, small, and wireless EEG for a walk? Psychophysiology 49, 1449 – 1453. 10.1111/j.1469-8986.2012.01471.x 23013047
- Dimoska A. (2005). Electrophysiological Indices of Response Inhibition in the Stop-Signal Task. Ph. D. Thesis, University of Wollongong.
- Duvinage M. Castermans T. Petieau M. Hoellinger T. Cheron G. Dutoit T. (2013). Performance of the emotiv epoc headset for p300-based applications. Biomed. Eng. OnLine 12: 56. 10.1186/1475-925X-12-56 23800158 PMC3710229
- Forney E. Anderson C. Davies P. Gavin W. Taylor B. Roll M. (2013). A Comparison of Eeg Systems for Use in p300 Spellers by Users with Motor Impairments in Real-World Environments. Graz: Graz University of Technology Publishing House.
- Gazzaniga M. Ivry R. Mangun G. (2013). Cognitive Neuroscience: The Biology of the Mind, 4th Edn New York, NY: W. W. Norton & Company.
- Gevins A. Smith M. E. Leong H. McEvoy L. Whitfield S. Du R. (1998). Monitoring working memory load during computer-based tasks with EEG pattern recognition methods. Hum. Factors 40, 79 – 91. 10.1518/001872098779480578 9579105
- Goldenholz D. M. Ahlfors S. P. Hämäläinen M. S. Sharon D. Ishitobi M. Vaina L. M.. (2009). Mapping the signal-to-noise ratios of cortical sources in magnetoencephalography and electroencephalography. Hum. Brain Mapp. 30, 1077 – 1086. 10.1002/hbm.20571 18465745 PMC2882168
- Goverdovsky V. von Rosenberg W. Nakamura T. Looney D. Sharp D. J. Papavassiliou C.. (2017). Hearables: multimodal physiological in-ear sensing. Sci. Rep. 7: 6948. 10.1038/s41598-017-06925-2 28761162 PMC5537365
- Grozea C. Voinescu C. Fazli S. (2011). Bristle-sensors – low-cost flexible passive dry eeg electrodes for neurofeedback and bci applications. J. Neural Eng. 8: 025008. 10.1088/1741-2560/8/2/025008 21436526
- Grummett T. S. Leibbrandt R. E. Lewis T. W. DeLosAngeles D. Powers D. M. Willoughby J. O.. (2015). Measurement of neural signals from inexpensive, wireless and dry eeg systems. Physiol. Meas. 36: 1469. 10.1088/0967-3334/36/7/1469 26020164
- Guger C. Krausz G. Allison B. Z. Edlinger G. (2012). Comparison of dry and gel based electrodes for p300 brain-computer interfaces. Front. Neurosci. 6: 60. 10.3389/fnins.2012.00060 22586362 PMC3345570
- Johnstone S. J. Blackman R. Bruggemann J. M. (2012). Eeg from a single-channel dry-sensor recording device. Clin. EEG Neurosci. 43, 112 – 120. 10.1177/1550059411435857 22715485
- Kirchner W. K. (1958). Age differences in short-term retention of rapidly changing information. J. Exp. Psychol. 55: 352. 10.1037/h0043688 13539317
- Logan G. D. (1994). Chapter On the ability to inhibit thought and action: A users' guide to the stop signal paradigm, in Inhibitory Processes in Attention, Memory, and Language, eds Dagenbach D. Carr T. H. (San Diego, CA: Academic Press), 189 – 239.
- Looney D. Kidmose P. Park C. Ungstrup M. Rank M. Rosenkranz K.. (2012). The in-the-ear recording concept: user-centered and wearable brain monitoring. IEEE Pulse 3, 32 – 42. 10.1109/MPUL.2012.2216717 23247157
- Luu T. P. Nakagome S. He Y. Contreras-Vidal J. (2017). Real-time eeg-based brain-computer interface to a virtual avatar enhances cortical involvement in human treadmill walking. Sci. Rep. 7, 8895. 10.1038/s41598-017-09187-0 28827542 PMC5567182
- Mishra P. Singla S. K. (2013). Artifact removal from biosignal using fixed point ICA algorithm for pre-processing in biometric recognition. Meas. Sci. Rev. 13, 7 – 11. 10.2478/msr-2013-0001
- Mullen T. Kothe C. Chi Y. M. Ojeda A. Kerth T. Makeig S.. (2013). Real-time modeling and 3d visualization of source dynamics and connectivity using wearable eeg, in 2013 35th Annual International Conference of the IEEE Engineering in Medicine and Biology Society (EMBC) (Osaka), 2184 – 2187. 10.1109/EMBC.2013.6609968 PMC4119601 24110155
- Mullen T. R. Kothe C. A. Chi Y. M. Ojeda A. Kerth T. Makeig S.. (2015). Real-time neuroimaging and cognitive monitoring using wearable dry EEG. IEEE Trans. Biomed. Eng. 62, 2553 – 2567. 10.1109/TBME.2015.2481482 26415149 PMC4710679
- Nikulin V. V. Kegeles J. Curio G. (2010). Miniaturized electroencephalographic scalp electrode for optimal wearing comfort. Clin. Neurophysiol. 121, 1007 – 1014. 10.1016/j.clinph.2010.02.008 20227914
- Oliveira A. S. Schlink B. R. Hairston W. D. König P. Ferris D. P. (2016). Proposing metrics for benchmarking novel EEG technologies towards real-world measurements. Front. Hum. Neurosci. 10: 188. 10.3389/fnhum.2016.00188 27242467 PMC4861738
- Radüntz T. (2016). Kontinuierliche Bewertung psychischer Beanspruchung an informationsintensiven Arbeitsplätzen auf Basis des Elektroenzephalogramms. Ph. D. thesis, Humboldt-Universität zu Berlin, Department of Computer Science (Berlin).
- Radüntz T. Scouten J. Hochmuth O. Meffert B. (2015). EEG artifact elimination by extraction of ICA-component features using image processing algorithms. J. Neurosci. Methods 243, 84 – 93. 10.1016/j.jneumeth.2015.01.030 25666892
- Ries A. Touryan J. Vettel J. McDowell K. Hairston W. (2014). A comparison of electroencephalography signals acquired from conventional and mobile systems. J. Neurosci. Neuroeng. 3, 10 – 20. 10.1166/jnsne.2014.1092
- Rogers J. M. Johnstone S. J. Aminov A. Donnelly J. Wilson P. H. (2016). Test-retest reliability of a single-channel, wireless eeg system. Int. J. Psychophysiol. 106 (Suppl. C), 87 – 96. 10.1016/j.ijpsycho.2016.06.006 27318008
- Saab J. Battes B. Grosse-Wentrup M. (2011). Simultaneous eeg recordings with dry and wet electrodes in motor-imagery, in 12th Conference of Junior Neuroscientists of Tübingen (NeNA 2011) (Heiligkreuztal).
- Sullivan T. J. Deiss S. R. Cauwenberghs G. (2007). A low-noise, non-contact eeg/ecg sensor, in 2007 IEEE Biomedical Circuits and Systems Conference (Montreal, QC), 154 – 157.
- Zander T. O. Lehne M. Ihme K. Jatzev S. Correia J. Kothe C.. (2011). A dry eeg-system for scientific research and brain-computer interfaces. Front. Neurosci. 5: 53. 10.3389/fnins.2011.00053 21647345 PMC3103872
## 致谢
感谢 Friederice Schröder 开展实验，Marion Freyer 目视检查数据并人工标记伪迹，也感谢学生助理 Lea Rabe 和 Emilia Cheladze 提供日常操作与计算支持。感谢 Gabriele Freude 对项目的整体支持，并感谢 Beate Meffert 提出有益且具建设性的建议以及对论文所作的严格编辑。采集本研究 EEG 数据的项目信息见 http://www.baua.de/DE/Aufgaben/Forschung/Forschungsprojekte/f2402.html。
## 补充材料
本文的补充材料可在线获取：https://www.frontiersin.org/articles/10.3389/fphys.2018.00098/full#supplementary-material
附加数据文件：DataSheet1.ZIP。
## 原文 DOI 与数字核对索引
下列不变量从原始载荷自动提取，仅用于核对译文完整性，不构成额外证据摘要。
- `10.1002/hbm.20571`
- `10.1007/BF01797193`
- `10.1016/j.clinph.2010.02.008`
- `10.1016/j.ijpsycho.2016.06.006`
- `10.1016/j.jneumeth.2015.01.030`
- `10.1037/0033-2909.112.1.155`
- `10.1037/h0043688`
- `10.1038/s41598-017-06925-2`
- `10.1038/s41598-017-09187-0`
- `10.1088/0967-3334/36/7/1469`
- `10.1088/1741-2560/8/2/025008`
- `10.1109/EMBC.2013.6609968`
- `10.1109/MPUL.2012.2216717`
- `10.1109/TBME.2015.2481482`
- `10.1111/j.1469-8986.2012.01471.x`
- `10.1166/jnsne.2014.1092`
- `10.1177/1550059411435857`
- `10.1186/1475-925X-12-56`
- `10.1518/001872098779480578`
- `10.2478/msr-2013-0001`
- `10.3389`
- `10.3389/fnhum.2015.00247`
- `10.3389/fnhum.2016.00188`
- `10.3389/fnins.2011.00053`
- `10.3389/fnins.2012.00060`
- `10.3389/fnsys.2015.00011`
- `10.3389/fphys.2018.00098`
- `10.3389/fphys.2018.00098/full`
- `0`
- `0.001`
- `0.01`
- `0.05`
- `0.19`
- `0.50`
- `0.7`
- `0.9`
- `00`
- `0001`
- `00098`
- `001`
- `001872098779480578`
- `002`
- `003`
- `0033`
- `004`
- `005`
- `006`
- `01`
- `017`
- `02`
- `025008`
- `03`
- `04`
- `043688`
- `06925`
- `09`
- `09187`
- `0967`
- `1`
- `1.0`
- `1.04`
- `1.2`
- `1.3`
- `1.4`
- `10`
- `100`
- `1000`
- `1007`
- `1014`
- `103872`
- `105`
- `106`
- `1077`
- `1086`
- `108750`
- `11`
- `11.55`
- `11140`
- `112`
- `1153`
- `1178`
- `119601`
- `12`
- `120`
- `121`
- `1240`
- `125`
- `128`
- `1295`
- `13`
- `13.66`
- `131300`
- `1314`
- `13375`
- `14`
- `14.31`
- `1417`
- `1449`
- `1453`
- `1469`
- `1475`
- `15.88`
- `15077`
- `1508`
- `1514`
- `152562`
- `15281`
- `154`
- `155`
- `1550059411435857`
- `157`
- `159`
- `1598`
- `16`
- `164`
- `166`
- `174014`
- `1741`
- `1772`
- `1797193`
- `18`
- `1861`
- `188`
- `189`
- `1929`
- `1958`
- `1992`
- `1994`
- `1998`
- `1999`
- `2`
- `2.1`
- `2.2`
- `2.72`
- `20`
- `2005`
- `2007`
- `2009`
- `2010`
- `2010.02.008`
- `2011`
- `2011.00053`
- `2012`
- `2012.00060`
- `2012.2216717`
- `2013`
- `2013.6609968`
- `2014`
- `2014.1092`
- `2015`
- `2015.00011`
- `2015.00247`
- `2015.01.030`
- `2015.2481482`
- `2016`
- `2016.00188`
- `2016.06.006`
- `2017`
- `2018`
- `2018.00098`
- `20241031`
- `20571`
- `20e9`
- `20e95`
- `2184`
- `2187`
- `219552`
- `2263`
- `228`
- `2287`
- `23`
- `2351`
- `2358`
- `2383396`
- `239`
- `24`
- `242257`
- `243`
- `247`
- `2480`
- `25`
- `250`
- `2553`
- `256`
- `2560`
- `2567`
- `259`
- `26`
- `26.457`
- `279`
- `28`
- `29`
- `2909.112.1.155`
- `3`
- `3.1`
- `3.1.1`
- `3.1.2`
- `3.2`
- `3.296`
- `3.78`
- `3.803`
- `30`
- `3103`
- `32`
- `330719`
- `3334`
- `345570`
- `352`
- `36`
- `388`
- `3885761`
- `39`
- `4`
- `4.0`
- `4.1`
- `4.1.1`
- `4.1.2`
- `4.2`
- `4.226`
- `4.648`
- `40`
- `402`
- `42`
- `42.8`
- `425e919`
- `429238`
- `43`
- `44`
- `45`
- `4778`
- `49`
- `5`
- `5.155`
- `5.409`
- `5.832`
- `50`
- `527`
- `53`
- `537365`
- `55`
- `5526e33`
- `55275`
- `56`
- `567182`
- `570`
- `58`
- `5817086`
- `6`
- `6.339`
- `60`
- `61650`
- `62`
- `62.61`
- `632`
- `642`
- `647`
- `6527`
- `657`
- `66`
- `661`
- `6948`
- `7`
- `708`
- `71.34`
- `710229`
- `710679`
- `721686`
- `742607`
- `744`
- `757`
- `79`
- `8`
- `817086`
- `817086.1`
- `824`
- `84`
- `845`
- `85`
- `8601`
- `861738`
- `87`
- `882168`
- `8852`
- `8895`
- `8986.2012.01471`
- `9`
- `9.96`
- `90`
- `91`
- `92`
- `9250`
- `9250163`
- `93`
- `95`
- `96`
- `98`
- `9831`
- `99149824`
- `992`
- `9e0`
- `>0.1`
- `>0.12`
- `>0.2`
- `>0.23`
- `>1`
- `>10`
- `>10.1002`
- `>10.1007`
- `>10.1016`
- `>10.1037`
- `>10.1038`
- `>10.1088`
- `>10.1109`
- `>10.1111`
- `>10.1166`
- `>10.1177`
- `>10.1186`
- `>10.1518`
- `>10.2478`
- `>10.3389`
- `>1000`
- `>11`
- `>116`
- `>12`
- `>128`
- `>13539317`
- `>14`
- `>1464`
- `>16`
- `>16.21`
- `>165`
- `>1664`
- `>18465745`
- `>1929`
- `>19565683`
- `>1958`
- `>1992`
- `>1994`
- `>1998`
- `>2`
- `>2005`
- `>2007`
- `>2009`
- `>2010`
- `>2011`
- `>2012`
- `>2013`
- `>2014`
- `>2015`
- `>2016`
- `>2017`
- `>20227914`
- `>21436526`
- `>21647345`
- `>22.36`
- `>22586362`
- `>22715485`
- `>23013047`
- `>23247157`
- `>233`
- `>23800158`
- `>24`
- `>24110155`
- `>25.11`
- `>25666892`
- `>25741249`
- `>26020164`
- `>26029077`
- `>26415149`
- `>269`
- `>27242467`
- `>27318008`
- `>28761162`
- `>28827542`
- `>29491841`
- `>3`
- `>3.19`
- `>304923`
- `>32`
- `>4`
- `>41.14`
- `>5`
- `>5.09`
- `>500`
- `>51.22`
- `>524`
- `>5817086`
- `>8`
- `>95`
- `>9579105`