『EEG 101：5つの基本』では、EEGの基礎を解説し、データ収集、処理、分析における重要な側面を網羅しています。この包括的なガイドは、神経科学分野の研究者や実務家に向けた有益な知見を提供します。
目次
脳波（EEG）データの解析にあたっては、前処理の手順が非常に多岐にわたるため、そのすべてにおいてデータに与える影響を十分に考慮した上で判断を下さなければならないため、すぐに圧倒されてしまうかもしれません。
このブログ記事では、EEGデータ処理において極めて重要な5つのポイントについて解説します。
1) パイロット事業を実施する
EEG実験には入念な準備が必要です。被験者の準備を整え、機器のセットアップに時間をかけ、予備試験を実施する必要があります。実験の途中で失敗することは絶対に避けたいものです。したがって、100人の被験者を対象とした本格的な研究を行う前に、まずは小規模なパイロット試験を実施し、すべてが正常に機能しているかを確認してください。
- 刺激は正しい順序で提示されていますか？
- マウスとキーボードは正常に動作していますか？
- 参加者は指示を理解していますか？
- 電波は届いていますか？
これらの質問をリストからチェックし終えたら、いよいよ実際のデータ収集と分析に取り掛かる準備が整います。
2) 「正確なデータに勝るものはない」
興味のある指標を抽出するためにEEGデータを記録・前処理する際は、いつでも心に留めておくべき、スティーブ・ラック教授（カリフォルニア大学アーバイン校）の賢明な言葉です。
今日に至るまで、不適切な方法で記録されたデータを修復できるアルゴリズムは存在せず、魔法のように信号を変化させるような方法でデータをクリーンアップしたり処理したりすることは不可能です。したがって、常に適切に記録されたデータから始める必要があります。
脳波（EEG）システムには、一般的に、各電極のインピーダンスをグラフで表示するインピーダンスパネルなど、ソフトウェアまたはハードウェアベースの品質指標が備わっています。
インピーダンス値が低いほど、記録品質は高くなります（インピーダンスが低いということは、記録された信号が周囲からの雑音ではなく、ヘッド内部のプロセスを反映していることを示しています）。
クリーンなデータがあれば、研究課題に対して明確な答えが得られます！
3) 十分な情報を得た上で判断を下す
EEGデータの記録や解析には様々な方法があり、処理手順そのものだけでなく、その順序も重要となります（前処理手順の順序が重要であることの例については、Bigdely-Shamlo et al., 2015 に記載されています）。あらゆる信号処理技術は、ある程度データに変化をもたらすものであり、データへの影響を認識しておくことは、適切な手法を選択する上で間違いなく役立ちます。
「十分な情報に基づいた判断を下す」ということが肝心です。どの手法を選ぶべきか迷っているなら、信頼性の高い既存の文献を参照してみてください。科学的な研究論文や、さらには所属チームの「研究室の慣習」の中にさえ、きっと有益な助言が見つかるはずです。
選択した手法が望ましい結果を返すことを確認することで、客観性、信頼性、妥当性といった科学的研究の基準を最大限に高めることができます。これについては、分析を実行しているソフトウェア上で、対応する前処理手順やパラメータを変更した後、返された結果を可視化することで確認できます。
時間周波数解析のための推奨パイプライン：
4) アーチファクトを低減または除去する
EEGデータには、関連性のある要素とない要素が含まれています。例えば、特定の視覚刺激の提示開始に同期した事象関連電位に関心がある場合を考えてみましょう。もし被験者がまさにその瞬間にまばたきをした場合、EEGは画面上の刺激を見たことによる大脳皮質の処理を反映していない可能性があります。
脳波（EEG）の専門家であれば、この試行の脳波データには関連する情報が含まれていないため、分析から除外したくなるかもしれません。しかし、実験全体を通じて刺激の提示開始時に一貫してまばたきが発生している場合、そこには興味深い事実が隠されている可能性があります。
参加者は、脅威を感じさせる可能性のある画像を意図的に避けているのかもしれません。まばたきが発生した試行をすべて除外すると、データ量が大幅に減少することになります（100回の試行のうち、わずか10回しか残らないという事態も十分にあり得ます――想像してみてください！）。
したがって、回帰分析や補間、独立成分分析（ICA）などの統計的手法に基づく補正手法の方が適している可能性がある。この場合、汚染されたデータ部分は、周辺のデータチャネルや時間点を用いて補間されたデータに置き換えられる（下の図では、赤い線が補正後の信号を表している）。
残念ながら、アーチファクトを減衰させるべきか、あるいは除去すべきかという議論は科学界で現在も続いているため、どの処理が目的とする出力信号をもたらすかを評価する必要があるかもしれません。
しかし、頭皮脳波（EEG）をアイトラッカー、筋電図（EMG）、心電図（ECG）電極などの他のセンサーと組み合わせることで、まばたきや四肢・心臓の筋肉の動きといった生理的プロセスを他の測定手法を通じて収集できるようになり、それらが脳波データに混入していることを特定しやすくなる。
5) 適切な統計データを活用する
脳波（EEG）実験を設計・分析する際は、常に既知の知見に基づいて手順を立てることをお勧めします。同様の統計的手法が用いられた、よく引用されている既存の論文と自身の結果を結びつけることができれば、観察された効果を説明する際にも、より容易になるはずです。
前述の通り、十分な情報に基づいた判断を下すことは、適切な統計的手法の選択においても同様です。事象関連電位（ERP）を解析する場合、特定の電極位置におけるERP波形のピークの潜時や振幅について、より詳しく検討することをお勧めします。
対照的に、シータ波、アルファ波、ベータ波などの周波数ベースの指標に関心がある場合は、対象とする周波数帯域内のピーク周波数や総パワーの解析に重点を置くべきです（iMotionsのEEGパワースペクトル密度解析ツール「EEG R Notebooks」に関する詳細はこちらをご覧ください）。
「ワークロード」（Advanced Brain Monitoring B-Alert）や「フォーカス」（Emotiv EPOC）といったEEG指標は、EEGデータの時間領域または周波数領域の特徴に基づいており、特定のイベントの開始時点に対するピーク振幅や潜時という観点からも分析することができる。
分析手法には、単純なt検定やより複雑な分散分析（ANOVA）のほか、ブートストラップ法や無作為化手法などの非パラメトリック手法が含まれます。ただし、研究の背景や目的などを踏まえて、事前に慎重に選択してください。
幸いなことに、予備実験の実施、ノイズの少ないデータの収集、そして前処理や統計解析の過程で十分な情報に基づいた判断を下すことで、脳波（EEG）実験の実施と解析に伴う複雑さを大幅に軽減することができます。
EEGやその他の生理学的センサーを活用して研究活動をさらに充実させたいとお考えでしたら、iMotionsまでお気軽にお問い合わせください。高品質なデータの収集をすぐに開始できるよう、必要なツールや情報を喜んでご提供いたします！こちらからお問い合わせください
よくある質問
EEGデータとは何ですか？
EEG（脳波）データとは、一定期間にわたって記録された脳の電気的活動を指します。この活動は、頭皮に配置された電極を用いて捉えられ、神経細胞群の同期した活動によって生じる微細な電気的変化を検出します。EEGデータは、さまざまな意識状態、認知プロセス、および潜在的な神経学的異常に関する知見を提供することができます。
脳波検査の結果を分析するのは誰ですか？
脳波検査の結果は、通常、神経内科医や専門の訓練を受けた脳波検査技師によって解析されます。臨床現場では、神経内科医がデータを解析し、てんかん、睡眠障害、その他の脳に関連する疾患の診断や経過観察を行います。研究現場では、神経科学者、心理学者、その他の専門研究者が脳波データを解析し、脳機能、認知機能、あるいは行動の研究を行います。
こうした献身的な専門家や将来を志す学生にとって、継続的な学習と基礎知識へのアクセスは極めて重要です。理解を深め、最高のリソースを確実に手元に置くために、必須のEEG関連書籍ガイドをご覧ください。
脳波データはどのように表示されますか？
脳波データは通常、グラフ上の波形列として表示されます。このグラフでは、横軸が時間を、縦軸が脳波の電圧または振幅を表します。これらの波形は周波数や振幅が異なり、それぞれのパターンが特定の脳の状態や活動と関連付けられることがあります。
データは生の波形として表示されることもあれば、特定の周波数やパターンを強調するように処理されることもあります。さらに、高度な解析では、EEGデータを画像診断技術と組み合わせることで、脳の各領域の活動を強調した脳マップを作成することも可能です。
まとめ
EEGデータの解析は、数多くの前処理工程を伴うため、非常に困難な作業となり得ます。本記事では、EEGデータ処理に不可欠な5つの重要な要素について解説します：
予備試験の実施：本格的なEEG研究を開始する前に、システムをテストし、刺激が正しく提示されていることを確認し、参加者が指示を理解していることを確認するために、予備試験を実施することが不可欠です。
「正確なデータに代わるものはない」：カリフォルニア大学アーバイン校のスティーブ・ラック教授のこの言葉を引用し、本記事は質の高いデータ収集の重要性を強調している。不正確に記録されたデータを救い出せる技術やアルゴリズムは存在しないため、正確なデータ記録から始めることが極めて重要である。通常、システムにはインピーダンスパネルなどのインジケーターが備わっており、データ品質を可視化することができる。
十分な情報に基づいた判断を行う：EEGデータの記録や解析方法は様々であり、処理手順の順序が結果に影響を与えることがあります。さまざまな処理手法が及ぼす影響を理解し、既存の文献を参照することで、十分な情報に基づいた判断が可能になります。
アーチファクトの低減または除外：EEGデータには、無関係なデータや「ノイズ」が含まれていることがよくあります。例えば、刺激提示中の瞬きがデータを乱すことがあります。本記事では、こうしたアーチファクトを低減（補正）すべきか、それとも除外すべきかという、現在も続く議論について掘り下げています。また、アイトラッカーや心電図（ECG）電極などの他のセンサーを活用し、EEGデータにおける潜在的な乱れを特定することの利点についても触れています。
適切な統計手法を選択する：既存の文献に基づいた分析を行うことは、観察された効果を理解する上で役立つ。統計的手法の選択は、研究の目的によって異なり、事象関連電位（ERP）を用いるか、周波数ベースの測定値を用いるかによって決まる。単純なt検定からより複雑な手法に至るまで、様々な分析手法が利用可能である。
