뉴트로픽의 EEG 분석: 안정 상태, ERP, ERD/ERS, SSVEP 단계별 가이드

EEG 분석은 보통 스크립트 폴더 안에서 이루어집니다. 필터링과 에포크는 MNE로 하고, 대역 파워는 노트북 하나, ERP 그림은 또 다른 노트북, 참가자별 숫자는 통계 전에 스프레드시트로 모읍니다. 뉴트로픽은 같은 단계를 채팅 안에서 결정적 EEG 도구 7종으로 실행합니다. 언어 모델은 어떤 도구를 부를지 정하고 보고서를 쓰지만, 진폭·잠복기·퍼센트 같은 숫자는 전부 도구가 계산합니다. 모델이 숫자를 지어내지 않습니다.

이 글은 EEG 하나만 연구 유형별로 다룹니다. EEG·오디오·영상을 한 번에 훑어보려면 스프레드시트를 넘어서를 보세요.

먼저 파일 모양 맞추기#

EEG는 표(CSV, TSV, XLSX)로 올립니다. 한 행이 한 표본입니다.

• 숫자 열 하나가 채널 하나이며 단위는 µV입니다. 채널 이름을 10–20 체계(Fp1, F3, Cz, Pz, O1 …)로 붙이면 두피 지형도, 전두엽 비대칭, C3/C4 편측화 지수를 쓸 수 있습니다.
• `time_s` 열이 있으면 도구가 표본 간격의 중앙값으로 표본율을 추정합니다. 시간 열이 없으면 메시지에 표본율을 적어 주세요("500 Hz로 기록").
• `marker` 열에는 사건을 표시합니다. 사건이 없는 표본은 0, 사건이 시작되는 표본은 양의 정수입니다. 정수 하나가 조건 코드 하나입니다(예: 1 = 표준, 2 = 표적). ERP와 ERD/ERS에는 필요하고, 안정 상태와 SSVEP 분석에는 필요 없습니다.

EDF·BDF나 장비 고유 형식이라면 먼저 변환하세요. Python MNE에서 mne.io.read_raw_edf(path, preload=True)로 불러오고 raw.to_data_frame()을 쓰면 EEG가 µV로 변환된 표가 나옵니다. time 열 이름을 time_s로 바꾸고, mne.events_from_annotations로 주석을 정수 코드로 바꿔 사건 표본의 marker 열에 적은 뒤 CSV로 저장하면 됩니다. EOG·ECG·트리거 채널은 EEG로 다루길 원하지 않는다면 빼 두세요.

요청하는 두 가지 방법#

/eeg 다음에 질문을 쓰면 그 턴이 바로 EEG 도구로 갑니다. /analyze로 기록을 평범한 말로 설명해도 됩니다. 어느 쪽이든 파일만 봐서는 알 수 없는 것, 즉 과제 패러다임, 마커 코드의 의미, 보고받고 싶은 값을 알려 주세요.

첫 도구는 거의 항상 eeg_info입니다. 채널, 표본율, 길이, 코드별 사건 수, 채널별 진폭과 평탄 채널 여부, 전원 잡음 비율을 보고합니다. 전원 잡음이 크거나 피크-투-피크 진폭이 크면 에이전트가 다른 분석보다 전처리를 먼저 실행합니다.

안정 상태: 정제, 대역 파워, 지형도#

/eeg eeg_resting_10ch_250hz.csv 는 눈을 감은 10채널 안정 상태 기록(250 Hz)입니다. 전처리(전원 잡음 노치, 대역통과, 눈 깜박임 제거)를 하고, 채널별 대역 파워를 알파 지형도와 함께 계산한 뒤, 전두엽 알파 비대칭(F4 vs F3)을 그림과 함께 보고해 주세요.

eeg_preprocess는 정해진 순서가 드러나는 파이프라인입니다.

• 50 또는 60 Hz 노치(고조파 포함). 주파수는 자동으로 감지합니다.
• 1–40 Hz 영위상 대역통과.
• 공통 평균 재참조(선택).
• FastICA 눈 깜박임 제거.
• 150 µV를 넘는 1초 구간 표시.

정제된 데이터는 새 _clean.csv 파일로 저장되고 원본은 그대로 남습니다.

eeg_bandpower는 채널별 Welch 대역 파워를 델타부터 감마까지 절대값(µV²)과 상대값(%)으로 계산합니다. 개인 알파 피크, theta/beta·theta/alpha 비율, ln(우) − ln(좌)로 계산한 반구 비대칭도 함께 줍니다. eeg_topomap은 대역마다 표준 10–20 좌표 위에 분포를 그립니다.

샘플 기록에서 나온 결과. 샘플은 10 Hz 후두 알파, 50 Hz 전원 잡음, Fp1/Fp2 눈 깜박임 6회, F3보다 약간 큰 F4 알파로 만들었습니다. 결과는 다음과 같았습니다.

• 전원 잡음 비율이 37–58에서 0.0으로 떨어졌습니다.
• ICA가 전두 채널과의 상관이 1.00인 성분 1개를 제거했습니다.
• 알파 피크는 모든 채널에서 10.0 Hz였습니다.
• 상대 알파는 O2(59.5%)와 O1(58.7%)에서 가장 컸습니다.
• F4 − F3는 +0.301이었습니다.

모두 시뮬레이션 값과 일치합니다.

확인할 것:

• 도구 출력의 ICA 줄. 성분을 몇 개 제거했는지, 이유가 전두 상관인지 첨도인지 보세요.
• 참조 방식. 비대칭은 참조에 따라 달라집니다. 그래서 평균 재참조 파일을 분석해도 eeg_bandpower가 원래 참조로 다시 계산하고, 어떤 참조를 썼는지 함께 적습니다.
• 해석. 에이전트는 비대칭을 상대적인 전두 활성으로만 읽습니다. 안정 상태 기록 하나로 성격이나 기분 특성을 추론하지 않습니다.

사건관련전위: 오드볼 P3#

/eeg eeg_oddball_erp_250hz.csv 는 청각 오드볼 기록입니다(Fz, Cz, Pz, Oz; 250 Hz; marker 1 = 표준, 2 = 표적). 마커 기준으로 에포크를 나누고 기저선 보정한 뒤 조건별로 평균해서, Pz의 P3 잠복기와 진폭을 표적 − 표준 차이파와 함께 보고하고 파형을 그려 주세요.

eeg_erp는 다음 순서로 처리합니다.

• 0.1–30 Hz 필터.
• 마커 기준 −200~800 ms 에포크와 자극 전 기저선 보정.
• ±100 µV를 넘는 에포크 제외.
• 조건별 평균.

조건·채널마다 N1, P2, N2, P3의 피크 잠복기, 피크 진폭, 창 평균을 냅니다. 남긴 시행 수와 제외한 시행 수, 기저선 잡음 SD, P3 신호대잡음비도 함께 보고합니다. 조건이 정확히 두 개면 차이파를 더하고, 평균 파형은 그림 옆에 CSV로 저장합니다.

나온 결과. 샘플은 표준 160회·표적 40회 시행, 100 ms N1, 300 ms P3(Pz에서 표적 12 µV, 표준 3 µV)로 만들었습니다. 에포크 200개가 모두 남았습니다.

• 표적 P3는 Pz에서 300 ms, 10.15 µV였습니다.
• 표준 P3는 284 ms, 2.89 µV였습니다.
• Pz 차이파는 +7.58 µV였습니다.
• N1은 약 104 ms에 나타났습니다.

잠복기는 정확합니다. 진폭은 0.1–30 Hz 필터 때문에 예상대로 시뮬레이션 값보다 조금 작습니다.

확인할 것:

• 조건별 시행 수와 제외된 에포크 수.
• 성분 창. 창은 고정입니다(N1 70–150 ms, P2 150–250 ms, N2 200–350 ms, P3 250–600 ms). 각 창에서 가장 큰 피크를 고릅니다. 패러다임상 성분이 다른 곳에 있다면 고른 피크 대신 평균 파형 CSV를 보세요.
• 방법 문단과 기록된 인자. 보고서 문장은 모델이 씁니다. 문장에 적힌 필터나 창이 도구 호출에 기록된 값과 다르면 실제로 실행된 것은 기록 쪽입니다.

운동심상: ERD/ERS#

/eeg eeg_motor_imagery_erd_250hz.csv 는 운동심상 기록입니다(C3, C4, Cz; 250 Hz; marker 1 = 오른손 심상 단서, 40 시행). 단서 전 기저선 대비 뮤 대역(8–13 Hz) ERD/ERS 를 계산해서 채널별로 심상 중 ERD % 와 그 뒤의 리바운드를 보고하고, C3 vs C4 편측화를 확인해 주세요.

eeg_erders의 처리 순서는 다음과 같습니다(Pfurtscheller & Lopes da Silva, 1999).

• 대역통과. 기본은 뮤 8–13 Hz이고 원하는 대역을 지정할 수 있습니다.
• 제곱한 뒤 단서 기준으로 에포크를 나눕니다.
• 시행 평균을 내고 250 ms로 평활합니다.
• 기저선 대비 % 변화로 나타냅니다. 음수는 ERD, 양수는 ERS입니다.

채널마다 ERD 최소값과 ERS 최대값, 그 시각, 분석 창별 평균 %가 나옵니다. C3와 C4가 모두 있으면 편측화 지수도 계산합니다.

나온 결과. 샘플은 C3 뮤가 약 −75% 떨어지고 C4는 더 약하게 떨어지며, 단서 후 3–4초에 리바운드가 오도록 만들었습니다. 이 세션은 기본 창(0.5–2.5초, 3–4초)을 썼습니다.

• C3 ERD 최소값은 0.75초에 −74.7%였습니다.
• 창 평균은 C3가 −69.8%(심상 중)와 +72.0%(리바운드), C4가 −22.6%와 +23.5%였습니다.
• 편측화 지수는 0.51로 C3가 더 강했습니다. 오른손 심상에서 기대하는 방향입니다.

확인할 것:

• 창과 기저선. 도구 기본값은 −1~5초 에포크와 0.5–2.5초·3–4초 창입니다. 에이전트가 세션에 따라 다른 창을 고를 수 있습니다(영어 세션은 0–2초·2–4초를 골랐습니다). 그 선택은 보고서에 적힙니다. 기록 간에 창 평균을 비교하려면 프롬프트에서 창을 고정하세요.
• 에포크 가장자리. 최소값이 에포크 마지막 표본에 걸리면 가장자리 효과입니다.
• 시행 수준 통계. 결과는 기록 하나의 시행 평균이며 시행 수준 불확실성은 없습니다.

SSVEP: 어느 주파수를 보았나#

/eeg eeg_ssvep_12hz_250hz.csv 는 20초 SSVEP 기록입니다(O1, Oz, O2, Cz; 250 Hz). 후보 깜박임 주파수는 8.57, 10, 12, 15 Hz 였습니다. 어느 주파수를 주시했는지 판정하고, 모든 후보의 CCA ρ 와 SNR 을 보고하고, 4초 창 단위로 판정을 확인해 주세요.

eeg_ssvep는 3–60 Hz 대역통과 뒤 후보 주파수마다 서로 독립적인 두 방법으로 점수를 매깁니다.

• CCA: 고조파를 포함한 사인·코사인 기준 신호와의 정준상관(Lin et al., 2006).
• SNR: 이웃 주파수 대비 해당 주파수의 스펙트럼 파워.

두 방법이 같은 답을 냈는지도 보고합니다. 창 길이를 주면 창마다 다시 판정하고 전체 판정과의 일치율을 냅니다.

나온 결과. 샘플은 24 Hz 고조파가 있는 12 Hz 자극이었습니다. 판정은 12 Hz였고 CCA ρ는 0.82, SNR은 22.9 dB였습니다. 나머지 후보는 모두 ρ ≤ 0.055였고, 4초 창 5개가 모두 같은 판정을 내려 일치율은 100%였습니다.

확인할 것: 이긴 주파수만 보지 말고 후보 표 전체를 보세요. 2위와 ρ 차이가 작거나 CCA와 SNR이 다른 답을 냈다면 약한 판정입니다.

기록별 숫자에서 통계로#

EEG 도구는 한 번에 기록 하나를 다룹니다. 연구에는 참가자당 한 행, 예를 들어 참가자·집단별 Pz P3 진폭 표가 필요합니다. 파일마다 도구를 돌리거나 에이전트에게 값을 한 표로 모아 달라고 한 뒤, 그 표를 통계 스킬에 넘기세요.

/stats p3_by_participant.csv 에서 환자군과 대조군의 Pz P3 진폭을 비교해 주세요. 가정을 확인하고 검정을 고른 이유를 설명해 주세요.

compare_groups는 설계를 파악하고 정규성과 등분산을 확인한 뒤 규칙에 따라 검정을 고릅니다. 예를 들어 분산이 다르면 Welch, 작고 정규가 아닌 표본이면 Mann–Whitney를 씁니다. 효과크기와 신뢰구간, 그리고 선택 이유를 적은 결정 기록을 함께 돌려줍니다. 참가자 안에서 반복된 조건(표적 vs 표준)은 대응 검정이나 반복측정 설계로, 시행 수준의 중첩 데이터는 혼합모형으로 갈 수 있습니다. 자세한 내용은 통계 안내를 보세요.

모든 문장은 추적 가능하고, 모든 그림은 재현 가능하게#

턴이 끝나면 뉴트로픽이 분석 보고서에 문장 단위 [n] 인용을 붙입니다. [n]은 그 턴의 분석 단계 하나(도구 호출과 그 출력)나 데이터 파일을 가리키고, 끝의 참고문헌 목록에 그 이름이 적힙니다. 의외의 숫자가 보이면 그 숫자가 나온 단계를 열어 보면 됩니다.

그림과 표마다 그것을 만든 도구와 정확한 인자가 기록됩니다. 산출물 패널에서 { }를 누르면 볼 수 있습니다. 정제된 데이터는 새 파일로 저장되므로 원본 기록은 덮어쓰지 않습니다. 더 자세한 내용은 모든 문장에 인용을과 기본이 재현성을 보세요.

솔직한 한계#

• 입력. 표만 받습니다. EDF·BDF·장비 형식은 변환해야 합니다. 진폭은 µV로 가정하고, 표본 간격은 일정하다고 가정합니다.
• 눈 깜박임 제거. 별도 EOG 채널은 쓰지 않기 때문에 전두 채널(Fp1/Fp2, AF*, F7/F8)이 있어야 합니다. 전두 채널이 없으면 깜박임은 제거되지 않습니다. 임계값을 넘는 구간은 표시만 하고 잘라내지는 않습니다.
• 지형도. 실측 전극 좌표가 아니라 표준 10–20 좌표를 씁니다. 인식되는 10–20 이름이 3개 이상 있어야 하고, 나머지 채널은 지도에서 빠집니다.
• ERP. 성분 창이 고정입니다. 차이파는 조건이 정확히 두 개일 때만 계산합니다. 그림은 앞의 네 채널만 보여 주고, CSV에는 모든 채널이 들어 있습니다.
• ERD/ERS와 SSVEP. 결과는 시행 평균 또는 전체 기록 기준이며 시행 수준 통계는 없습니다. SSVEP는 사인·코사인 기준 신호를 쓰는 표준 CCA이고 후보 주파수를 직접 주어야 합니다. 개인 템플릿이나 필터뱅크 변형은 포함되어 있지 않습니다.
• 보고서. 모델이 도구 출력을 바탕으로 씁니다. 숫자는 도구에서 오지만, 방법 문장은 기록된 인자와 대조해 보세요.

예시 · 도메인별 스킬 프로젝트를 열면 안정 상태와 ERP 세션을 볼 수 있습니다. 내 기록을 첨부하고 /eeg를 입력해 시작해도 됩니다. EEG 밖의 생리 신호까지 다룬 안내는 정신생리학 연구실을 위한 뉴트로픽을 보세요.