PsyBrain培訓 | EEG進階分析-譜參數化與腦網絡分析（7.30-8.1線上）

課程背景

EEG 是心理學、認知神經科學、精神病學、神經調控和腦機接口研究中最常用的神經信號之一。相比 MRI/fMRI，EEG 具有高時間分辨率、采集靈活、成本較低等優勢，適合用于研究注意、記憶、情緒、決策、睡眠、疾病狀態和腦網絡動態變化。

很多研究者已經熟悉 EEG 預處理、ERP 或基礎時頻分析，但在進一步解釋頻譜和腦網絡結果時，經常會遇到新的問題：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振蕩差異？功能連接指標很多，coherence、PLV、PLI、wPLI 應該如何理解和選擇？腦網絡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 EEG 分析常常將頻譜結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機制。

與此同時，腦功能并不是孤立腦區活動的簡單疊加。腦網絡功能連接、圖論拓撲指標和網絡可控性分析，為理解腦區之間的信息交互、網絡整合分離和系統調控能力提供了新的分析視角。這些方法已經廣泛用于認知神經科學、精神疾病、發展老化、神經調控和 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化分析，二是腦網絡功能連接、圖論拓撲和網絡可控性分析。課程目標不是讓學員只會運行幾個函數，而是幫助學員理解每類指標解決什么問題、適用于什么數據、如何通過代碼實現、如何解釋結果，以及如何將這些方法遷移到自己的研究中。

培訓對象

本課程主要面向希望進一步提升 EEG 數據分析深度的心理學、認知神經科學、精神病學、神經影像、神經調控、腦網絡和 BCI 方向的老師、研究生和科研人員。

尤其適合以下幾類學員：

1. 已經接觸過 EEG 預處理、ERP 或時頻分析，希望進一步學習功率譜和腦網絡進階方法的研究者。

2. 已有 EEG 數據，但目前分析主要停留在頻段功率、通道差異或描述性結果層面的學生和科研人員。

3. 希望理解 FOOOF、譜參數化、1/f 背景活動、功能連接、圖論指標和網絡可控性的學習者。

4. 正在進行認知、情緒、睡眠、精神疾病、神經調控、腦機接口或腦網絡相關研究，希望提高論文方法深度的研究者。

5. 希望從“會做基礎 EEG 分析”進一步走向“能夠解釋頻譜機制和網絡結構”的學習者。

課程說明

1.從 EEG 研究問題出發，而不是從指標堆疊出發

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：為什么要看功率譜？為什么頻段功率可能不夠？為什么要區分周期性振蕩和非周期背景？為什么腦網絡分析不能只看兩個電極之間的相關？課程會幫助學員理解每類方法背后的研究目的。

2.強調功率譜密度分析的基礎邏輯

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。學員將理解 PSD 不只是一個圖，而是后續 FOOOF、頻譜解釋和網絡分析的重要基礎。

3.系統介紹 FOOOF 譜參數化方法

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。學員將學習如何理解 offset、exponent、peak center frequency、peak power 和 bandwidth 等參數，以及這些參數在認知、疾病和個體差異研究中的解釋邊界。

4.連接功能連接、圖論指標與腦網絡解釋

課程會介紹腦網絡功能連接的基本概念和常用指標，幫助學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化為網絡圖，并計算常用圖論指標，例如 clustering coefficient、path length、efficiency、degree、modularity 等。

5.覆蓋網絡可控性分析的入門邏輯

網絡可控性分析為理解腦網絡如何從一個狀態轉移到另一個狀態提供了新的理論框架。課程將介紹 Network Controllability 的基本概念、輸入數據形式、常見指標和計算思路，幫助學員建立對腦網絡調控能力的初步理解。

6.完整代碼和示例數據，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據，帶領學員完成 PSD 計算、FOOOF 模型擬合、功能連接指標計算、圖論指標計算和網絡可控性分析。課程會強調每段代碼的輸入、輸出、關鍵參數和結果解釋，幫助學員從“知道方法”走向“能夠復現分析”。

你可能想問

Q：我只會基礎 EEG 預處理，可以學習這門課嗎？

A：可以。本課程會從 PSD、功能連接和腦網絡的基本概念講起，不要求學員已經掌握譜參數化或圖論分析。但如果已經了解 EEG 濾波、分段、偽跡處理和基礎時頻分析，會更容易跟上。

Q：這門課會系統講 EEG 預處理嗎？

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

Q：FOOOF 和普通頻段功率分析有什么區別？

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。具體代碼環境可根據開課安排提供。

Q：腦網絡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、閾值化、網絡密度、統計檢驗和結果解釋。課程會強調這些常見問題，避免只計算不解釋。

Q：網絡可控性適合所有 EEG 數據嗎？

A：不一定。網絡可控性通常需要清晰定義節點、邊和系統狀態，并且要明確研究問題。課程會介紹其基本思想和適用邊界，幫助學員判斷自己的數據是否適合進一步分析。

Q：課程結束后我能得到什么成果？

A：學員將完成一套 EEG 進階分析流程，包括 PSD 結果、FOOOF 參數、功能連接矩陣、圖論指標和網絡可控性分析思路，并能理解如何將這些結果用于自己的課題。

Q：報名后怎么學習？可以退出嗎？有發票嗎？

A：課程提供發票，我們會在開課前兩種分發課前準備資料，請大家根據資料進行預習和準備工作。分發資料前，如因個人原因需要退、改的同學，聯系小助手進行協商；分發課前準備資料后不再接受退、改申請

↓滑動查看往期學員反饋↓

如何報名？