PsyBrain培训 | EEG进阶分析-谱参数化与脑网络分析（7.30-8.1线上）

课程背景

EEG 是心理学、认知神经科学、精神病学、神经调控和脑机接口研究中最常用的神经信号之一。相比 MRI/fMRI，EEG 具有高时间分辨率、采集灵活、成本较低等优势，适合用于研究注意、记忆、情绪、决策、睡眠、疾病状态和脑网络动态变化。

很多研究者已经熟悉 EEG 预处理、ERP 或基础时频分析，但在进一步解释频谱和脑网络结果时，经常会遇到新的问题：某个频段功率升高，究竟代表真实振荡增强，还是 1/f 背景活动变化？不同被试之间 alpha、beta 或 gamma 功率差异，是否一定能解释为神经振荡差异？功能连接指标很多，coherence、PLV、PLI、wPLI 应该如何理解和选择？脑网络图论指标算出来之后，又该如何解释其认知或临床意义？

传统 EEG 分析常常将频谱结果简化为某几个频段的平均功率，例如 theta、alpha、beta、gamma。但这种做法容易混合周期性振荡成分和非周期性背景活动。谱参数化方法，例如 FOOOF，可以将功率谱分解为周期性峰值和 1/f 背景成分，帮助研究者更细致地理解 EEG 频谱变化背后的神经机制。

与此同时，脑功能并不是孤立脑区活动的简单叠加。脑网络功能连接、图论拓扑指标和网络可控性分析，为理解脑区之间的信息交互、网络整合分离和系统调控能力提供了新的分析视角。这些方法已经广泛用于认知神经科学、精神疾病、发展老化、神经调控和 BCI 研究中。

本课程将围绕 EEG 进阶分析中的两个核心方向展开：一是功率谱密度和谱参数化分析，二是脑网络功能连接、图论拓扑和网络可控性分析。课程目标不是让学员只会运行几个函数，而是帮助学员理解每类指标解决什么问题、适用于什么数据、如何通过代码实现、如何解释结果，以及如何将这些方法迁移到自己的研究中。

培训对象

本课程主要面向希望进一步提升 EEG 数据分析深度的心理学、认知神经科学、精神病学、神经影像、神经调控、脑网络和 BCI 方向的老师、研究生和科研人员。

尤其适合以下几类学员：

1. 已经接触过 EEG 预处理、ERP 或时频分析，希望进一步学习功率谱和脑网络进阶方法的研究者。

2. 已有 EEG 数据，但目前分析主要停留在频段功率、通道差异或描述性结果层面的学生和科研人员。

3. 希望理解 FOOOF、谱参数化、1/f 背景活动、功能连接、图论指标和网络可控性的学习者。

4. 正在进行认知、情绪、睡眠、精神疾病、神经调控、脑机接口或脑网络相关研究，希望提高论文方法深度的研究者。

5. 希望从“会做基础 EEG 分析”进一步走向“能够解释频谱机制和网络结构”的学习者。

课程说明

1.从 EEG 研究问题出发，而不是从指标堆叠出发

本课程不会把 EEG 进阶分析讲成一串孤立指标，而是从真实研究问题出发：为什么要看功率谱？为什么频段功率可能不够？为什么要区分周期性振荡和非周期背景？为什么脑网络分析不能只看两个电极之间的相关？课程会帮助学员理解每类方法背后的研究目的。

2.强调功率谱密度分析的基础逻辑

课程会讲解 EEG 功率谱密度（PSD）的基本思想，包括频域表示、频段功率、谱估计、信号长度、频率分辨率和噪声影响。学员将理解 PSD 不只是一个图，而是后续 FOOOF、频谱解释和网络分析的重要基础。

3.系统介绍 FOOOF 谱参数化方法

课程将重点讲解 FOOOF 的核心思想：将功率谱分解为非周期背景成分和周期性峰值成分。学员将学习如何理解 offset、exponent、peak center frequency、peak power 和 bandwidth 等参数，以及这些参数在认知、疾病和个体差异研究中的解释边界。

4.连接功能连接、图论指标与脑网络解释

课程会介绍脑网络功能连接的基本概念和常用指标，帮助学员理解不同连接方法的适用场景和局限。进一步地，课程会讲解如何将连接矩阵转化为网络图，并计算常用图论指标，例如 clustering coefficient、path length、efficiency、degree、modularity 等。

5.覆盖网络可控性分析的入门逻辑

网络可控性分析为理解脑网络如何从一个状态转移到另一个状态提供了新的理论框架。课程将介绍 Network Controllability 的基本概念、输入数据形式、常见指标和计算思路，帮助学员建立对脑网络调控能力的初步理解。

6.完整代码和示例数据，完成从理解到实操

课程将配套提供可运行的代码和示例数据，带领学员完成 PSD 计算、FOOOF 模型拟合、功能连接指标计算、图论指标计算和网络可控性分析。课程会强调每段代码的输入、输出、关键参数和结果解释，帮助学员从“知道方法”走向“能够复现分析”。

你可能想问

Q：我只会基础 EEG 预处理，可以学习这门课吗？

A：可以。本课程会从 PSD、功能连接和脑网络的基本概念讲起，不要求学员已经掌握谱参数化或图论分析。但如果已经了解 EEG 滤波、分段、伪迹处理和基础时频分析，会更容易跟上。

Q：这门课会系统讲 EEG 预处理吗？

A：课程会简要回顾预处理对频谱和连接分析的影响，但重点不是完整预处理流程。课程核心是进阶分析，包括 PSD、FOOOF、功能连接、图论指标和网络可控性。

Q：FOOOF 和普通频段功率分析有什么区别？

A：普通频段功率通常直接计算某个频段的平均能量，而 FOOOF 会尝试区分周期性振荡峰值和非周期 1/f 背景活动。这样可以减少把背景谱变化误解释为振荡变化的风险。

Q：课程使用 Python 还是 MATLAB？

A：课程建议以 Python 完成 PSD 和 FOOOF 分析，以 MATLAB 或 Python 演示功能连接和图论指标计算。具体代码环境可根据开课安排提供。

Q：脑网络分析是不是只要算连接矩阵就可以？

A：不是。连接矩阵只是第一步。还需要考虑指标选择、体积传导、阈值化、网络密度、统计检验和结果解释。课程会强调这些常见问题，避免只计算不解释。

Q：网络可控性适合所有 EEG 数据吗？

A：不一定。网络可控性通常需要清晰定义节点、边和系统状态，并且要明确研究问题。课程会介绍其基本思想和适用边界，帮助学员判断自己的数据是否适合进一步分析。

Q：课程结束后我能得到什么成果？

A：学员将完成一套 EEG 进阶分析流程，包括 PSD 结果、FOOOF 参数、功能连接矩阵、图论指标和网络可控性分析思路，并能理解如何将这些结果用于自己的课题。

Q：报名后怎么学习？可以退出吗？有发票吗？

A：课程提供发票，我们会在开课前两种分发课前准备资料，请大家根据资料进行预习和准备工作。分发资料前，如因个人原因需要退、改的同学，联系小助手进行协商；分发课前准备资料后不再接受退、改申请

↓滑动查看往期学员反馈↓

如何报名？