数据、算法与产出常见问题 · 共 19 题 · 最近更新 2026 年 11 月 18 日

导出格式、时间对齐、伪迹处理与结果可复现

返回全部问题
原始数据能导出什么格式?

支持 EDF 导出,可直接进入 EEGLAB、MNE、FieldTrip 等主流分析流程;同时提供 CSV 与原始波形,均带毫秒级时间戳。

多设备数据由 PT-SYNC 批量导出并按时间轴融合为一个数据集,事件标记同表输出。若分析流程依赖其他专用格式(如 BIDS),建议采购前确认,避免后期转换成本。

格式覆盖 EDF、MAT、CSV,可导出原始波形或特征表;多被试、多设备数据支持批量导出,按被试编号与实验场次自动分目录。若流程要求 BIDS 等特定结构,需在采购前确认转换方案。

导出后能直接进 SPSS、R、Python 吗?

导出数据可以直接进 SPSS、R、Python。PT-BAND 提供 Python、Matlab、Eprime、C、Java、C#、PHP 接口,导出数据可直接进 SPSS、R、Python。

典型工作流:原始 CSV → Python 预处理(滤波、分段)→ 特征表 → R/SPSS 统计。注意保留原始时间戳列,不要只留相对时间,否则无法回溯对齐。

特征计算的窗长、步长和重叠率怎么设?

按生理节律定窗,以下为建议值、可按研究问题调整:PPG 频域分析建议 60 秒窗、10 秒步长、50–90% 重叠;EDA 的 SCR 用事件相关窗口(刺激后 1–5 秒);EEG 的 ERD/ERS 用 1–2 秒窗。

原则:窗长至少覆盖 3–5 个目标周期,步长决定时间分辨率,重叠率影响平滑度——重叠越高曲线越平滑,但独立观测数会被高估。

不同被试基线差异大,怎么标准化?

三步:① 个体基线(实验前静息 5 分钟,取均值与标准差);② 转相对值((x−baseline)/baseline 或 z-score);③ 跨被试比较时再做组水平二次标准化。

注意:z-score 会抹掉个体绝对水平差异——如果研究问题本身是「谁更高」,不要做。

运动伪迹怎么处理?

分模态处理:EEG 用 ICA(识别并剔除眼动、肌电、心电成分);PPG 用加速度信号做自适应滤波(NLMS);EDA 剔除上升过陡的段(>5 μS/s 多为运动而非真实 SCR)。

原则是先检测(用加速度与信号质量指标标记)再决定剔除或校正,不要一律硬滤波——那会同时抹掉真实成分。

信号质量怎么判断?有阈值吗?

有可操作阈值:EEG 看阻抗(湿电极 <20 kΩ、干电极 <50 kΩ)与通道方差;PPG 看灌注指数与收缩峰清晰度;EDA 看 SCL 漂移与 SCR 信噪比。

建议在采集界面实时显示质量指标,而不是采完才发现整段不可用——重采的时间成本远高于现场多看一眼。

PT-BAND 有可直接使用的质量字段:Quality_Peak 越低越好(低于 0.2 为极好,0.5 以下通常可用,可按精度要求放宽),筛选时优先看它;Quality_PPG 更敏感但容易误杀。

GSR 看 Quality_GSR,越高越好。运动干扰对 PPG 影响大、对 GSR 影响小。轻中度伪迹系统已做补偿,重度伪迹无法修复,只能整段剔除。

若某只手环频繁出现空数据(某秒无包或一秒两包),先重置手环再判断是否为设备问题。

脑电能做 ERP 和功能连接吗?

脑电可以做 ERP 与功能连接分析。

ERP 需 ≥250 Hz 采样(MP230 便携脑电 ≥500 Hz)与精确刺激事件标记(PT-STIM 事件与采集同一时间轴),分段 −200~800 ms、基线校正 −200~0 ms。

功能连接常用相干、PLV、格兰杰;注意 4 通道可构成的导联组合有限,网络分析的空间分辨率受限,结论应限定在「通道间耦合」。

眼动能出热图和 AOI 指标吗?

眼动能输出热图与 AOI 指标。可用输出包括:注视轨迹图(节点直径表示注视时长)、热图、AOI 指标(首次注视时间、注视次数、停留时长、回视)。

AOI 需在实验前按刺激坐标定义,且不同被试的刺激呈现尺寸必须一致——尺寸不同,AOI 就没有可比性。

多设备采样率不同怎么对齐?

两种方式:① 硬件同步——PT-SYNC 统一时间基,各设备写入同一时钟(推荐);② 软件重采样——统一到最低采样率或用插值上采样,会引入相位误差。

原则:能硬件同步就不要重采样;必须重采样时,先低通滤波到目标 Nyquist 以下再降采样,否则出现混叠。

多模态数据量很大,怎么存?

估算:1 路 500 Hz × 4 通道 × 2 字节 ≈ 14 MB/小时;20 路加上视频(25 fps、4 Mbps)约 20 GB/小时。

建议三层存储:采集端 SSD(原始)→ 实验室 NAS(归档,RAID)→ 冷备(异地或磁带)。视频与生理分开存,用「实验 ID + 时间戳」关联,不要塞进同一个大文件。

能二次开发吗?有 SDK 吗?

开放 API 与设备接入能力(外部事件标记、外部绩效数据、多模态原始数据),支持 E-Prime、MATLAB、Python、Java、C/C++/C# 调用;平台内核不支持修改。

也就是数据层可扩展、内核保持封闭,以保证跨实验的数据口径一致。需要改动内核逻辑的定制项目,建议在方案阶段单独评估。

接口分两类:原始数据实时订阅与特征数据实时订阅,支持 C、C++、C#、Java、Python、MATLAB、PHP 调用,可用于在线闭环实验(例如按实时负荷调整任务难度)。

E-Prime、Matlab、Python 怎么打点?

三种方式:① 并口/串口 TTL(延迟最低 <1 ms,需硬件);② 网络事件 UDP/TCP(1–10 ms,跨机器方便);③ 同机 API 调用(延迟取决于系统调度)。

E-Prime 用并口或 Socket,Matlab 用 PsychToolbox 的 IOPort,Python 用 socket/pyserial。PT-STIM 三种都支持。

手动与自动的分工:手动打点由主试在操作端标记实验起止、提问等现场事件(手环按键为防误触已禁用);自动打点由程序通过 API 在刺激 onset 同时写入,支持 MATLAB、Python、E-Prime、PsychoPy。

多人多设备场景不需要逐台操作——标记写入统一时间轴,一次触发全组生效。精度上,套件打点偏差在 500 ms 以内,融合平台按采样点对齐、延迟为一个采样点。

论文方法部分该怎么写设备和同步?

必须写清五项:设备型号与厂商、采样率与滤波参数(含滤波器类型与截止频率)、同步方式与精度、事件标记定义、预处理流程(含剔除标准)。缺任一项,审稿人都会要求补。

引用标准或指南时给出「名称 + 年份 + 出处」:心率变异性用 Task Force(1996,Circulation,93(5),1043–1065)、皮电用 Boucsein 等(2012,Psychophysiology,49(8),1017–1034);EEG 频带若采用自定边界,需在文中写明数值,不写「按常规划分」。

写同步时不要只写「数据已同步」,要写清机制与精度,例如「各设备由同一授时源打戳,事件标记经 TTL 触发,同步误差 <1 ms(验收实测)」。

算法可靠性部分,若使用平台提供的先验特征,写明特征定义来源;若自建模型,报告交叉验证方式与被试间、被试内划分。

数据可复现性怎么保证?

四条:① 原始数据 + 处理脚本一起归档(不是只存结果表);② 参数写入配置文件而非手工点选;③ 版本锁定(软件版本、算法版本、滤波参数);④ 预注册假设与分析计划。

PT-SYNC 的实验配置可导出复用,这是复现的第一层——配置能复用,流程才可复现。

情绪或负荷识别的算法准不准?有验证吗?

分两层看:特征层(200 余项先验特征有定义与文献出处,可复算);模型层(情绪/负荷识别的精度高度依赖数据集与标签质量,跨被试泛化通常会显著下降,幅度取决于数据集与标签质量,不宜引用单一百分比)。

任何「通用高精度」的说法都要追问:测试集是被试内还是被试间——这个差别比算法本身影响更大。

这些特征有文献依据吗?

每项特征的定义、窗长与文献出处随报告提供。

常见依据:HRV 的 Task Force 标准(Task Force of the ESC and NASPE,1996,Circulation,93(5),1043–1065)、EDA 的 Boucsein 测量指南(Boucsein et al.,2012,Psychophysiology,49(8),1017–1034)、EEG 频带按研究惯例自定边界并在文中注明。

审核算法可信度最直接的办法,是要求供应商给「特征—公式—文献」三列对照表,缺一列就不必往下谈。

多人实验的数据怎么组织?

按三层组织:实验(experiment)→ 场次(session)→ 被试(subject),文件名用 sub-XX_ses-XX_task-XX 结构(BIDS 风格)。

多人实验额外需要 group 层记录配对关系(谁与谁同时采)。这套结构在换人交接时才不会崩——否则半年后没人说得清哪个文件对应哪个被试。

数据能长期归档吗?换人怎么交接?

三层:原始数据(不可变,写一次)、处理数据(可重算)、结果与文档。归档要求:校验和(防损坏)、元数据(设备、参数、环境)、迁移计划(介质约 5 年一换)。

交接的关键不是数据本身,而是「这份数据怎么处理出来的」——所以要存脚本与配置,不只存结果。

HRV、SCL、SCR、IBI 这些指标有正常范围吗?怎么用来判断负荷?

先给结论:这些指标没有跨人群通用的「正常范围」,只有研究惯例区间和相对变化判据,任何声称给绝对正常值的说法都不可靠。

IBI(心搏间期)静息成人约 600–1000 ms,个体差异极大且随年龄、体质、体位变化;HRV 常用 RMSSD、SDNN、HF、LF/HF,RMSSD 静息成人多在 20–60 ms,运动员可更高,LF/HF 不建议解释为「交感—副交感平衡」(Billman 2013 对此有专门批评),只作为随任务变化的相对指标;SCL 静息多在 2–20 μS,个体差异可达数倍,只能做被试内比较;SCR 单次反应幅值常见 0.1–1.0 μS,判定「有反应」的阈值常取 0.03–0.05 μS。

判断负荷看方向与幅度,不看绝对值:认知负荷升高时通常 RMSSD 下降、LF/HF 上升、SCL 上升、SCR 频率增加、瞳孔直径增大。

这些方向不是定律——情绪唤起同样会让 SCL 上升,必须与任务条件和主观量表联合判断,不能单指标下结论。

没有找到您的问题?

直接咨询工程师

获取方案 · 需求对接

还有其他问题?
直接问工程师

留下联系方式与具体问题,我们的工程师会给出针对性答复,必要时安排远程演示。

  • 一对一技术沟通,不做电话骚扰
  • 可提供完整参数表与技术资料
  • 支持远程演示与现场体验

技术咨询

请填写以下信息,我们会尽快与您联系。

提交即表示同意我们与您联系。信息仅用于业务沟通,不会对外提供。