微状态Ⅱ-操作篇

微状态的分析软件有好几个，它们分别针对不同的数据：
resting EEG: 可以直接在EEGLAB 中使用插件分析；
ERP：可以使用Cartool 软件分析，该软件比较全能，但是不识别EEGLAB的数据格式；
另外，LORETA也可以分析resting EEG 和 ERP 的数据，但是在进行聚类时，只能选择k-means的方法。

使用EEGLAB分析resting EEG

1）首先对原始数据进行预处理（*要不要分段？-正常预处理就可以了）

2）成功安装微状态插件后，eeglab中会出现该选项

导入sub1的resting EEG 数据

安装插件包后出现Microstates的相关选项

预处理的时候要保证所有被试的处理过程和处理中使用的参数一致，才能进行之后的分析

3）为了方便计算一般都是使用代码进行每个条件下的批处理

下面为了方便，简单描述下在代码中涉及到的分析过程：

首先选择不同条件下所有的经过同一步骤、参数处理的干净数据；
接下来进行平均参考和 2-20Hz 的滤波（这个是约定俗成的，滤波是为了较少噪音2-20Hz是比较常见的范围，这里滤波和预处理的滤波不一样、不冲突）；
选择要使用聚类值：GFP峰值聚类还是所有时间点上值（一般是使用GFP）；
在resting EEG 中忽略极性；
选择聚类分析的方法：K-means 还是 AAHC（如果要是K-means需要填写run100-200次；AAHC只要run1次）；
最后会得到在这个条件下的所有被试的组水平上的图，但是顺序和一般的Microstates A,B,C,D顺序不同，需要经过man.sort手动调整（组水平上的结果可能会受到不同电脑的影响而出现比较诡异的情况）；

手动调整顺序-man.sort

调整这里有个bug，调整之后，每个sub的结果进行了调整，但是事实上组水平上没有调整顺序
鉴别时间点上的是那个微状态成分：推荐选择GFP峰值
运行上面的步骤之后就会出现一个.csv的结果，里面就是每个被试的各种参数值了，可以直接用来进行下一步的统计分析了。

4）作图

因为上面的组平均的图不好看，也不方便看每个被试的4个图，所以可以再使用代码画出组平均的图和每个被试的图；
这里可以设计下极性反转

EEG = pop_loadset('filename','GrandMeanECgroup1.set','filepath','C:\Users\a\Desktop\');
EEG = eeg_checkset( EEG );
maps = EEG.data;  % maps 
maps2 = squeeze(maps(:,:,4));  % 组水平上
figure;topoplot(maps2(:,2),EEG.chanlocs);  % 极性反转  figure;topoplot(-1*maps2(:,2),EEG.chanlocs);

补充说明--如何绘制出下面的这种图？