🧠脳波解析

🧠脳波/EEG x 📈信号処理

脳波分析ワークフロー

The typical M/EEG workflow — MNE 1.10.2 documentation

前処理

リサンプリング/帯域・ノッチ/ベースライン

フィルタリング

バンドパスフィルタ

脳波で有用な範囲を残す. 0.5–45 Hz

ノッチフィルタ

電源ノイズを除去. 50/60 Hz

リサンプリング

処理を軽くする（例：256Hz → 128Hz）

アーチファクト除去

アーチファクト=脳波以外の信号

瞬き・筋電（顔や首の筋肉）由来のノイズ
ICA (独立成分分析) などで分離可能
museだと4Hzの倍数でへんなPowerの増加がある. 綺麗な４の倍数は疑う.

EOGアーチファクト

脳波（EEG）測定時などに、眼球の動き（瞬きや視線移動）によって本来の脳波信号に混入する、偽の電気信号.

閉眼中でも眼球運動だけでEEGに大きな影響.
眼球が動くと、この双極子が回転し、頭皮上の電位分布が変化.
眼球に近い前方でよりつよく影響.

眼球は「電気的双極子」
角膜（前面）: 正電位
網膜（後面）: 負電位
電位差: 約0.4〜1.0 mV

Refs

「脳波は下処理しない方がいい」という衝撃の論文が出ていた件｜deriba | 脳と学習, 過剰にはしなくていい程度で受け取る.

下処理

データ収集と解析の間で行う調整

エポッキング

事象を中心とした時間窓を設定することです。タスク関連の脳波の変化の分析を簡単にする.

特徴量抽出

STFT/ウェーブレット
1/f/（log-logでPSDを線形回帰）
- 値が変化すると「脳の活動モード」が変わっている可能性
エントロピー（信号の複雑さ）
- サンプルエントロピーなど簡易に計算可能
事象関連電位 (ERP) | EEG-Analysis

4次元情報量

時間
パワー
周波数
位相

空間フィルタ

頭皮上の電極で測られる電位が、脳のどの部位由来の活動なのかをできるだけ局所的に捉える.

バイポーラ導出（差分）
CAR（Common Average Reference）
- 各電極 − 全電極平均
領域別平均参照（Regional average reference）
ラブプラシアン導出
- Museでは無理.

解析手法

時系列解析（Time-domain）

「瞬間的な脳の反応」や「瞑想導入時の変化」が分かる。

生波形プロット：瞑想中にα波が安定して出ているかなどの直感的確認
ERP（事象関連電位）：特定刺激（鐘の音、ガイド音声）に同期した応答を見る
STFT（短時間フーリエ変換）
ウェーブレット変換

時間周波数解析(time/freq)

「瞑想のプロセス全体でのダイナミクス」が分かる。瞑想の「導入→深まり→終了」で周波数バランスがどう変化するかを見る

ヒルベルト変換

ヒルベルト変換で瞬時振幅を推定. 。これは「今この瞬間、Fmθがどれだけ強いか」を表す値.

ヒルベルト変換 | EEG-Analysis

時系列PSD分析

バンドパワーの推移. 🔍PSD解析

スペクトログラム

時間 vs 周波数の強度のヒートマップ. Power Spectrum

周波数解析(Frequency-Domain)

「どの周波数帯が優勢になっているか」で瞑想の深さや質を推定. 時間には依存しない.

PSD周波数解析(freq/PSD)

これも定番. Power Spectral Density (PSD) plot

cross-spectral density (CSD)

２つの電極のPSD相関.

正規化バンドパワー

Relative Band Power, 相対パワー

各バンドパワーを全体パワーで割って比率化。個人差や記録条件の違いを抑えられる。

なぜ絶対パワーではなく正規化？

<2025-12-10 Wed 08:45> 絶対パワーはノイズが多すぎるのであまり使えない. 電極や汗で変動.

電極の接触抵抗髪の状態、汗、位置のわずかなズレ
頭皮インピーダンス皮脂、乾燥状態
ヘッドバンドの締め具合圧力で接触が変わる

バンド比

Band Ratio/Power Ratio

θ/β 比: 集中 vs 注意散漫の指標. 注意欠如や集中状態の指標(ADHD)
α/β 比: リラックス度の目安
α/θ比: 眠気と集中のバランス. 瞑想指標.
(α+θ)/β: 疲労度.
- https://pubmed.ncbi.nlm.nih.gov/24621009/

Theta/Beta Ratio(TBR)

TBR = θパワー / βパワー. ADHD、ニューロフィードバックで有名な指標.

PAF解析

📊ピークアルファ/PAF. 集中度の度合い.

接続性・同期性(Connectivity)

コヒーレンス解析

脳部位間の波の同期度. 周波数ごとに脳領域間の相関を測る。

瞑想中は前頭部と後頭部のα同期が高まるなどの報告がある

位相同期（Phase Locking Value/PLV）

脳波チャンネル間の同期。坐禅での一体感や集中を反映する可能性.

クロス周波数結合(θ–γ coupling)

θ波とγ波の相互作用。作業記憶や内的注意制御に関連。

Frontal alpha asymmetry/FAA

Frontal Alpha Asymmetry/FAA or Frontal Alpha Asymmetry Index/FAI

FAI=log(PowerAF8)−log(PowerAF7)

うつ病患者は「右前頭優位（ネガティブ方向）」を示す傾向があると報告されてきた。

FAA正: 左前頭優位（=右より左アルファが弱い） → アプローチ行動・ポジティブ感情
FAA負: 右前頭優位（=左より右アルファが弱い） → 回避行動・ネガティブ感情（うつ、不安）

α波は脳の非活性マーカーだか逆転するのか

α波が多い = その部位は休んでいる
α波が少ない = その部位は活動中

うつのバイオマーカー説は怪しい

「感情やうつの脳指標」として広く研究されたが、単独では信頼性に乏しいことが分かってきている。

振幅・変動性

「脳活動の規則性 vs 複雑性」を評価.

振幅変動 (Amplitude Envelope Variability)

バンドごとの瞬時振幅の揺らぎ。深い瞑想では安定化するケースがある。

EEGエントロピー指標

脳波時系列やスペクトルの「ランダムさ／多様性」を測る.

Shannon Entropy, Spectral Entropy（パワー分布の散らばり具合）
Permutation Entropy, Lempel–Ziv Complexity（時間パターンの複雑さ）
Sample Entropy: サンプルエントロピー
Multiscale Entropy: 近似エントロピー

値が高い → 多様でカオス的、低い → 規則的で同調。
瞑想研究: 集中瞑想では低下傾向、開放型瞑想では上昇傾向。

Spectral Entropy

パワースペクトル密度を確率分布として扱う
周波数成分の「多様性」を測定
高い値 = 広帯域に分散、低い値 = 特定周波数帯に集中

サマタ瞑想（集中型）: 低下傾向
- 特定の周波数帯（α波やθ波）に集中するため
ヴィパッサナー瞑想（観察型）: 維持または微増
- 広範な周波数活動が保たれる

脳波の非線形性・複雑性指標

フラクタル次元、1/fスペクトル傾き
- 瞑想状態は「脳波の揺らぎや複雑性」が変化するという研究も

→ 「心が静まっている」状態と関連づけられる研究がある。

応用

睡眠ステージ推定
BCI分類
ニューロフィードバック
機械学習分類: 「瞑想 vs 安静」や「熟練者 vs 初心者」をSVMやCNNで分類
状態推定 HMM（隠れマルコフモデル）で「瞑想状態の遷移」をモデル化

EEG Microstate

脳波全体の電位分布（頭皮上のトポグラフィ）が、数十〜百ミリ秒ほど安定して持続する状態パターン

これらの状態は、いわば「脳の一瞬の思考スナップショット」とも言え、複数のパターン（通常4〜7種類、A〜DやA〜Eなど）が時間的に切り替わりながら認知活動を構成しています。

脳内のネットワーク分析(DMN/CEN).

可視化

信号源推定

脳・生体データの解析と可視化: EEGによる信号源推定｜アラヤシキ │ アラヤ公式note

Tools

EEGLab: MATLAB

MNE-Python

脳波解析のためのPythonライブラリ

Open-source Python package for exploring, visualizing, and analyzing human neurophysiological data: MEG, EEG, sEEG, ECoG, NIRS, and more.

PsyToolbox

認知科学用の実験ツール作成.

有料らしい.

http://psychtoolbox.org/

jsPsy

Topics

脳波と脳血流量

テクニカルノート：研究のための脳波の基礎知識, ノイズ除去に活用.

脳波オープンデータ

【備忘録】使える脳波オープンデータ｜deriba | 脳と学習

瞑想解析

睡眠睡眠

YASA: 睡眠ステージ分析, https://github.com/raphaelvallat/yasa

🔗References

テクニカルノート：数式を用いない　脳波解析入門
まえがき | EEG-Analysis, 基礎からまとまっているwiki. 素晴らしい.

deriba

【検証】毎日2時間瞑想をすると脳はどうなるのか - YouTube, 1日2時間以上瞑想している人のデータセット分析. MATLAB/EEGLabつかってる.
- fmシータが明確に現れる.
- 熟達者はアルファ波が綺麗に全体を支配している. 素人は位相がばらばら.
- https://link.springer.com/article/10.1007/s00221-016-4811-5
- https://openneuro.org/datasets/ds001787/versions/1.1.1
【検証】素人が2時間瞑想すると脳に何が起こる？ - YouTube, 40分を越えると前頭葉か後頭葉で強いアルファ波が明確にでる. 同期？

MOOCs

NESC 3505 Neural Data Science | Official site for the course offered by the Department of Psychology & Neuroscience, Dalhousie University.
- book: Neural Data Science in Python — Neural Data Science in Python
- video: Neural Data Science with Python - YouTube
脳波信号解析第1回 2023/9/26 - YouTube, 田中宏和
Bandpower of an EEG signal, Pythonをつかったチュートリアル.
Introduction to Neurohacking In R | Coursera
PiEEG - YouTube
- Signal processing (Python) for Neuroscience Practical course | Udemy
- PiEEGはラズパイの低価格EEG. これも気になる.

Data analysis

📚Analyzing Neural Time Series Data - Mike X Cohen

鉄板書籍だか15000円…

Amazon | Analyzing Neural Time Series Data: Theory and Practice (Issues in Clinical and Cognitive Neuropsychology) | Cohen, Mike X | Diagnostic Imaging
脳波解析の基礎まとめ｜Emi Utagawa｜note
https://github.com/mikexcohen/AnalyzingNeuralTimeSeries, MATLABだけどPython translateもある.

Mike X Cohen

たくさん動画だしてる.

https://www.mikexcohen.com/#home
Mike X Cohen - YouTube
Mike X Cohen | Educator and writer | Udemy
データサイエンスのための実践線形代数 [Book], olieryからも線形代数の書籍.

💭脳波信号処理を勉強してDIY脳波解析を趣味にして夢の瞑想解脱システムを開発したい(25/10/14)

🔥虚無との戦い

エクスプローラー