干电极无线EEG系统 V.S. 湿电极有线EEG系统

设为首页 | 加入收藏

网站首页 > 新闻中心 > 脑科学新闻

培训中心

联系方式

手机：18580429226
联系电话：023-63084468
联系人：杨晓飞
联系邮箱：syfmri@163.com
联系地址：重庆市渝中区青年路38号重庆国际贸易中心2004#

信息内容

干电极无线EEG系统 V.S. 湿电极有线EEG系统

发布者：admin 发布时间：2018/10/17

摘要：由于干电极EEG系统准备快速和避免电极膏使用的优点，最近干电极技术进步并且应用范围扩大。然而要真正成为研究工具，这些系统应该与临床或研究应用中常用的最先进的湿电极EEG系统进行比较。美国加州大学伯克利分校的海伦威尔斯神经科学研究所的Kam和Knight等人于2018年9月在NeuroImage杂志上发表文章。研究系统地比较了湿电极有线EEG系统和干电极无线EEG系统的电极的准备速度、被试的舒适度、以及最关键的电生理信号质量。所有被试（n=27）分别在不同时间参加两次实验阶段：一次是湿电极EEG系统，另一次是干电极EEG系统，并在被试间平衡实验记录顺序。在每个实验阶段，我们首先记录被试睁眼和闭眼静息态EEG，然后完成两种视觉呈现目标检测任务。每种任务都有一个反映数据不同特征的神经指标：包括标准低频带的谱功率、事件相关电位成分（特别是P3b），以及基于机器学习的单试次分类器。在大多数指标中这两个系统的性能是相似的：包括P3b的振幅和地形分布，以及静息低频（θ、α和β）的谱功率。在分类分析中，两个EEG系统都高于随机水平，而湿电极系统比干电极系统有微弱的优势。至关重要的是，所有上述的电生理指标都显示了两个EEG系统之间显著的正相关（r = 0.54—0.89）。这众多的测量提对EEG数据的不同方面进行了全面的比较：包括时间精度、频域以及多变量活动模式。综上所述，本研究结果表明，在这个实验中使用的干电极EEG系统可以有效地记录在研究和临床环境中常用的电生理测量方法，与传统的湿电极EEG系统具有可比性。

关键词：湿电极，干电极，电生理学，P3b，静息态EEG，单试次分类

方法：

被试：共有30人参加本次研究（女：9，男：21；M=19.8，S.D.=13.4）。由于噪音剔除3个被试。因此，共有27个被试参与后续分析。

程序和刺激：被试完成两种快速序列视觉呈现（rapid serial visual presentation，RSVR）任务，这两种任务选自Fuhrman-Alpert等人（2014）。在这两项任务中，刺激都是灰色图像（360×360像素，视觉角度为5.9°×5.9°，距离为106cm），由145个范例组成，分别选自以下五类：汽车、飞机、彩绘鸡蛋、手表和人脸。这些图像经过预处理，具有相同的亮度和对比度，并在CRT显示器的中心显示，用Eprime 2.0呈现刺激。

这两项任务都要求被试安静地计算来自目标类别的图像的出现，这确保了被试在不引入与目标图像相关的运动障碍情况下，对所呈现的图像保持关注。一半被试将汽车作为目标刺激，而另一半则将飞机作为目标刺激。在每项任务中，11.1%的图像是目标刺激，并随机呈现。每个block呈现120-180张图像，以避免由于计算数量增加而导致的工作记忆负载过重。在每个block结束部分，被试报告出现的目标刺激数量，结束之后重新开始计数。被试在两个block之间可以休息。由于计数目标刺激的数量可能大于或低于实际数字，目标刺激探测准确性计算如下：1-abs（报告的目标数－实际目标数）/实际目标数。

1缓慢任务（slow task）。在缓慢任务中（即2 Hz的呈现率），每张图像都以在450-550ms之间的随机抖动时间呈现，没有刺激间间隔。每个非目标图像呈现两次，目标图像呈现一次，因此在所有呈现的刺激中产生11.1%的目标图像刺激。这项任务包括1305个试次，其中420个试次在练习阶段呈现， 885个试次在正式试验阶段呈现。这项任务持续了大约12 min。

2快速任务（fast task）。在快速任务中（即6 Hz的呈现率），每张图像呈现160 ms，试次间没有时间间隔。每个非目标图像重复10次，目标图像重复5次，从而产生了11.1%的目标概率。该任务包括6525个试次，其中420个试次在练习阶段呈现，6105个试次在正式实验阶段呈现。这项任务持续了大约30 min。

实验程序：连续两天记录被试EEG（除了一人，由于日程安排冲突测试间隔了3天）。一半被试在测试第1天使用湿电极，第2天使用干电极。另一半被试相反。实验中，被试坐在昏暗、安静的房间里，先记录被试静息态数据：睁眼、闭眼各5分钟，然后完成快速和缓慢的任务。实验共持续大约50-55min。

每部分实验都记录了安装电极点和电极清洁所花费的时间。每个实验部分结束时，要求被试采用6点李克特分数评定其在电极准备和记录过程中的舒适度（1：不舒服；6：非常舒适），以及在整个实验过程中的灵活性（1：不能动；6：极其灵活）。

EEG数据记录和预处理：

1湿电极系统数据采集。使用Biosemi Active Two系统记录脑电，根据扩展的10-20布局，这一系统有64个Ag/AgCl电极点。放大器是直流（DC）耦合。用电解质凝胶填充电极。在右眼上下方以及左右眼的外眼角处记录垂直和水平的眼球运动。在线采样率为512Hz。采用在线低通的反混淆滤波器和5阶函数响应。

2干电极系统数据采集。使用某品牌EEG系统记录脑电，根据扩展的10-20布局，这一系统有33个安装在帽子上、无源的银电极。放大器也是直流（DC）耦合。电极是弹簧装置，以便达到最大限度的舒适（图1）。

图1某品牌干电极。有两个版本的电极，金属针的长度不同，以适应不同的发型。电极是弹簧负载的，这样两个大头针在穿过这个物体的头发并接触到头皮时，可以调整长度。电极的黑色外壳磁性地附着在耳机上。

在F5和F6位置的头皮电极被额外的电极代替，这些电极是通过放置在外眼角处右左两侧的延伸电线来测量水平眼球运动。垂直眼球运动由位于右眼上方的Fp2电极记录。在实验开始前，我们将电极移动到一个圆周运动中，并将头发从电极下拨开，以促进头皮和电极之间更好地接触，进而将电极的阻抗降低到10 kΩ以下。EEG数据通过头戴式嵌入的电线传输到一个电池驱动的模块（128g），这个模块安装在电极Cz上的头戴设备上。该模块包含了放大器、无线传输板、电池和硬盘。数据在线采样率为512Hz，随后通过唯一的WiFi连接传输到一台记录电脑上。应用在线低通的反混淆滤波器和3阶函数响应。在函数滤波器阶数上的微小差异导致了两系统在高频记录信号振幅上的微小差异。

对这两个系统不同的sinc滤波器响应的详细描述，以及它们对记录信号振幅的影响，在Fig.S3, Table S1中进行了说明。

Table S1.记录的EEG信号振幅的衰减随着在湿和干的EEG系统中使用的滤波器的不同而不同。信号振幅（在dB和μV中）的衰减的幅度被显示为在Biosemi（湿EEG系统）和干EEG系统中使用的五阶和三阶sinc滤波器响应的函数。最后一列表明，与在各自频率上的湿EEG系统相比，干EEG系统的振幅增加了。

补充材料Fig.S1中展示了Biosemi 湿EEG和干EEG系统的电极蒙太奇。

3 EEG数据预处理。两系统数据的预处理步骤相同。EEG数据带通滤波范围为1Hz—50Hz，并采用双耳乳突平均作为离线参考。使用ICA矫正眼球活动和肌肉伪迹。使用EEGLAB的fastICA工具包进行数据分解，并根据成分的时间进程、地形图和功率谱密度，手动检查伪迹。使用球形样条插值的方法选择周围电极对有过多噪音的电极进行插值。对于两种静息态数据，数据分段为2000 ms。对于缓慢任务，连续的EEG数据分段为1500 ms（刺激前500ms到刺激后1000ms）。然后手动删除剩余的伪迹段。接着，分别平均每个被试的目标和非目标试次以便进行统计比较。对于快速任务，连续EEG数据手动删除伪迹后，分段为1000 ms（刺激前100ms作为基线）。删除任何包含伪迹的段。使用EEGLAB、FieldTrip和自己编写的Matlab脚本对EEG数据进行预处理和分析。

EEG数据量化：

1静息态。连续数据被分为2s的时间段。采用快速傅里叶变换（fastFourier transforms）对单试次进行谱分解，其分析使用Hanning窗，频率范围为1Hz--50Hz，步长为1Hz。随后，采用对数转换。然后平均所有试次的功率谱，并且计算出每个频带的平均绝对功率：δ（2-4Hz），θ（4-8Hz），α（8-14Hz），低β（14-24Hz），高β（24-30Hz）和γ（30-50Hz）。为了比较两系统，我们只分析了与干电极系统匹配的湿电极系统中的电极子集（Fig.S1）。

2缓慢任务。EEG信号采用1-20Hz的带通滤波，然后分别平均目标和非目标试次，0到-200ms作为基线。P2的平均波幅是在额叶区（F1，Fz，F2），时间窗为刺激后200-300ms，而P3b的平均波幅是在顶叶区（P1，Pz，P2），时间窗为刺激后400-600ms。在湿电极EEG系统（目标：`X = 82，S.D.=15；非目标：`X = 656，S.D.=119）和干电极EEG系统（目标：`X = 84，S.D.=11;非目标：`X = 675，S.D. = 79）的ERP分析中，包含的平均试次数量相当。

3快速任务。为了检查下面描述的算法是否能够检测给定试次是目标还是非目标，采用分类分析。输入数据包括干电极EEG系统的所有通道，以及与干电极位置相匹配的湿电极EEG系统中的电极。EEG数据首先采用1-20Hz的带通滤波。基于Fuhrman-Alpert及其同事发展的空间加权Fisher Linear Discriminant – Principal Component Analysis算法来进行分类分析。随机选择90%的试次用于训练，剩下的10%用于测试。将这个过程重复100次。研究采用几个指标来评估分类的性能分析：击中率（目标刺激被正确分类为目标刺激的百分比），虚报率（非目标刺激被正确分类为非目标刺激的百分比），和曲线下的面积（AUC）值与接受者操作特征（ROC）曲线。

数据分析：

1数据质量。研究比较了两系统由于数据质量差而导致被删除的电极点和试次数量。还比较了两系统用于电极准备和清洗的时间，以及被试报告的舒适和灵活度。记录一部分被试的电极点清理时间（n=14）。所有的比较都采用Wilcoxon signed ranks检验（威尔科克森带符号的秩检验），这是配对样本t检验的非参数形式。

2静息态：睁眼和闭眼。为了研究两系统在谱功率上的差异，对6个频带分别进行了Wilcoxon rank-sum（威尔科克森秩和）检验，并使用Bonferroni进行多重比较矫正。通过计算每个频带上，两系统之间睁眼和闭眼EEG能量的Spearman相关，来评估湿电极和干电极系统在静息状态下EEG能量的被试内部可靠性。为了做到这一点，研究在每个系统频带能量最大的地方确定5个电极点，并且两个系统挑选的电极点重叠。然后计算在每个频带上两系统之间平均能量的相关。

3缓慢任务。采用Wilcoxon rank-sum检验分别测量两系统在P2和P3b成分上的差异，包括目标刺激诱发的活动、目标和非目标之间的差异。为了评估被试内可靠性，研究分别在两个成分上计算了湿电极和干电极系统之间的Spearman相关。

4快速任务。通过对3个指标（击中、虚报和AUC）进行Wilcoxon rank sum检验来比较两系统的分类性能。对于每个指标，计算了每个被试在湿电极和干电极EEG系统上的分类性能之间的Spearman相关。所有的统计分析都使用SPSS进行。

结果：

1数据质量：为了检验数据采集的质量，研究比较了两系统坏电极和坏试次的数量。与湿电极EEG系统（`X=2.00，SD=1.30; Z=5.25，p<.001）相比，干电极系统需要进行插值的坏电极数量更高（`X=5.26，SD=2.16）。坏电极似乎是由额颞区的颞肌肌肉张力所导致，在颞肌上，头戴式耳机或帽子在被试头部周围很紧。对插值后的电极位置的再次检查证实了这一观察结果，在干电极EEG系统中有42%的坏电极在额颞区（F7、F8、T7、T8），而在湿电极EEG系统中有43%。干电极（`X=0.15，SD=0.08; Z=0.83，p=0.41）和湿电极（`X=0.13，SD=0.07）EEG系统中，删除的坏段比例没有显著差异。

2电极设置和清洗的主观经验和持续时间：如图2所示，湿电极系统相对于干电极系统的总电极准备时间和清洗时间更长（准备：Z=3.59，p<0.001；清洗：Z=2.54，p=0.01）。由于湿电极系统的电极数是干电极系统的两倍，我们也将两个指标除以电极的数量来获得每个电极的平均时间。每个电极的准备和清洗时间在两系统之间没有显著差异（准备：Z=1.73，p=0.084；清洗：Z=1.73，p=0.085）。从这一比较得出的结论需要考虑以下几点：

1）实验者在湿电极EEG系统的电极准备更有经验，特别是对噪声信号进行故障排除。

2）实验者必须降低干电极的阻抗水平，这一过程在湿电极EEG系统中是不必要的，因为它使用的是主动（预放大）电极，对高阻抗不那么敏感。

相对于湿电极系统，被试评估干电极系统有更高的灵活度（Z=3.37，p<0.001）。两系统在电极准备（Z=0.58，p=0.56）和记录（Z=1.74，p=0.08）过程中的舒适度相当。对两系统舒适度的进一步观察发现电极准备阶段的舒适水平比记录阶段更高。为了进一步探索舒适度随着时间的变化，实验要求另外20个被试佩戴干电极头戴式帽或湿电极帽两个小时（n=10）。被试每15 min评定一次舒适度（1：完全不舒服； 6：非常舒适）。我们观察到两小时内，被试的平均舒适水平的评分稳步下降。根据第1次和最后1次15min的评分，我们通过计算斜率来量化下降的程度，结果表明干电极EEG系统（斜率：-0.13）比湿电极EEG系统更陡峭（斜率：-0.04），如图2所示。

3静息态EEG：睁眼和闭眼：图3描述了所有电极的功率谱，每个频带的地形图，以及闭眼和闭眼的系统之间的相关性。如图3a所示，整个频带范围内，两系统之间的功率谱密度（在所有电极点上被平均）相当。随后的统计分析主要集中在挑选的电极上，这些电极在两EEG系统的每个频带显示出最大的能量。

如表1所示，在睁眼静息态数据中，湿电极系统比干电极系统的δ和θ能量更高，然而只有δ能量的差异经过了Bonferroni矫正。两系统在其他的频带上没有差异。在闭眼静息态数据中，湿电极系统比干电极系统的θ频带能量更高，但是这种差异并未经过Bonferroni矫正。两系统在其他的频带上没有差异。并且在较低频带观察到的能量差异不能归因于信噪比（SNR）的差异，因为在任何频率范围内，两系统间的SNR都没有差异（p=0.07—0.74）。对于睁眼和闭眼两部分数据来说，两系统（r＞ 0.54，p < 0.005）在δ、θ和低β的平均绝对能量是正相关的，其中α频带的相关性最强。在闭眼数据中，两系统在高β上也显著相关（r = 0.62，p < 0.001）。

4缓慢目标探测任务：这两个系统的目标计数的平均正确率都很高（湿：`X=97.9%；干：`X=97.2%），表示被试关注图像并执行任务。ERP数据分析集中于P2和P3b的平均波幅测量。我们在统计上比较了两系统之间在差异值（即目标－非目标），以及目标条件本身上的差异。

如图4所示，在湿电极系统（P2: Z = 4.32, p <0.001,Cohen’s d = 1.38; P3b: Z = 4.16, p < 0.001, Cohen’s d =1.53）和干电极系统（P2: Z = 4.49, p < .001, Cohen’sd = 1.07; P3b: Z = 4.54, p < .001,Cohen’s d = 1.80）中，目标刺激的P2和P3b波幅显著大于非目标刺激。对于P2，相对于干电极系统而言，湿电极系统的目标--非目标差异值更大（湿：3.34 mV，干：2.26 mV；Z=2.45，p=0.01，Cohen’s d=0.47）。目标刺激条件下，湿电极系统的平均波幅要显著高于干电极系统（湿：4.84 mV，干：3.51 mV，Z=3.10，p=.002，Cohen’s d=0.46）。与此相反，对于P3b，两系统的目标—非目标差异值没有显著差异（湿：2.03 mV，干：1.79 mV；Z=0.91，p=0.36，Cohen’sd=0.17），并且在目标条件下也没有显著差异（湿：1.50 mV，干：1.46 mV；Z=0.29，p=0.77，Cohen’s d=0.02）。对于P2和P3的平均振幅，两系统之间有正相关（图4，r>0.64, p < 0.001）。

5快速目标探测任务：两个系统的平均正确率都很高（湿：`X=96.6%；干：`X=98.9%），表示被试关注图像，在很好检测目标同时速度也很快。分类分析产生了3个性能指标：AUC、击中率和虚报率。如图5所示，两种EEG系统都高于随机值。在所有性能指标中，除了两系统的虚报率有显著差异（Z=2.02, p=0.04），湿电极系统的其他指标都只是比干电极稍好一些（Z=1.42--1.90, p=0.06--0.16）。重要的是，在所有指标上，湿电极和干电极EEG系统的性能都有很好地相关性（r > 0.57, p< 0.005）。

讨论：

在目前的研究中，全面比较了无线干电极EEG系统和传统实验室使用的湿电极EEG系统（ActiveTwo，Biosemi）的信号质量。两系统的性能在所有指标上都有很好地相关：包括P2和P3b波幅，静息态的功率谱（除了δ和γ），以及单试次分类结果。这些测量方法的结合涵盖了EEG数据的不同层面：包括ERP、低频功率和多变量活动模式。总的来看，结果表明干电极EEG系统有效地检测了在研究和临床环境中常用的电生理测量方法。

在静息态低频带（4--50 Hz）上，除了干电极系统的δ能量有稍微减少，两系统在其他频带都是相似的。此外，两系统在每个频带EEG功率上都是相关的：θ、α、低β和高β。对于这些频带，两系统的头皮地形图相似，但干电极系统有一个稍偏后的分布。静息态EEG能量已能可靠地将健康个体与临床、神经系统疾病的人群区分开来：如老年痴呆症和抑郁症。该研究结果建立了在干电极EEG系统中低频功率谱测量（即θ、α和β）的鲁棒性，并考虑到这些测量的实用性，支持其在各种研究和临床环境中的潜在应用。

对于P2和P3b波幅，两系统之间的相关性表明在不同时间，不同的EEG系统的重测信度高。这些相关性可与先前研究中目标刺激P3b的重测信度相比较，这些研究在不同环境下，采用同一系统、同一实验程序对被试进行施测（r = 0.85, Debener et al., 2012; r > 0.70, Oliveira etal., 2016），或者在相同的环境下，采用不同系统进行施测（r > 0.77, De Vos, Kroesen, et al., 2014）。我们的结果扩展了这些发现，并指出即使在不同时间使用不同的系统进行施测，目标刺激P3b响应中的重测信度依然存在。在研究领域内，P3b已被证明反映了注意力资源分配、工作记忆、目标检测以及处理能力（for reviews, see Kok, 2001; Linden, 2005; Polich, 2007）。在临床和医学环境中，P3b被用作精神分裂症的内表型：包括精神分裂症（Turetskyet al., 2007）和酒精中毒（Porjesz et al., 2005），以及包括老年痴呆症在内的神经障碍的早期指标（Polich,1990）。考虑到P3b的广泛应用，以及使用干电极的潜在好处，干电极EEG系统可以促进在更自然的环境中对大量研究对象进行施测，并且只要病人保持平静，也可以在病人家中或医生办公室进行施测。

在湿电极和干电极EEG系统中，分类分析的性能很好，这表明干电极系统不仅可以用来检验单变量，还可以用于多变量的电生理测量。在对目标和非目标进行分类时，这两个系统都高于随机值。依据在RSVP任务中（每秒呈现6张图片）被试所需的认知努力以及从一个有高度重复响应的快速RSVP任务中进行分类时的信息加工需求，考虑到分类的要求很高，这一点尤其引人瞩目。这种多变量单试次分析很好地补充了无线干电极EEG系统的优点，并且可以应用于解决各种各样的问题。例如，思维漫游是一种普遍存在的现象，在这种现象中，人们的注意力是内部导向的，同时执行另一项外部导向的任务，是占据了我们一半清醒时间的一种状态。虽然许多EEG研究已经探索了实验室里的思维漫游现象，但由于有线湿电极EEG系统的限制，没有一个人能够在自然环境中研究此现象。尽管在这里没有提到干电极系统对头部运动的敏感性，这一缺陷限制了可以研究的情况范围，但使用无线干电极EEG系统为在更自然的环境中对被试状态（思维漫游 or 没有思维漫游）进行分类开辟了道路。除了解决基础科学问题之外，干电极EEG系统在实际环境中也有重要的意义。例如，许多专业人员：如飞行员和发电厂操作员，都需要对他们的环境进行持续的监测。虽然不时地陷入注意力不集中是人的本性，但在这些职位上的后果可能很严重。在工作场所，使用干电极EEG系统对这些专业人员的电生理信号进行实时分类，可以让他们察觉到他们的注意力在转移，并随后努力将注意力重新转移到他们的工作上。总之，无线干电极EEG系统与单试次分类分析相结合，有可能在实验室和实际环境中解决研究问题。

尽管我们在比较中考虑的大多数EEG指标在两个系统中都显示了相似的结果，但也有一些例外值得考虑。例如，对于δ和γ能量，两系统并没有很好地相关。在θ频带，不仅缺乏相关性，而且在湿电极系统中θ能量更高。重要的是，在所有频率范围内，两个系统的信噪比（SNR）都是相当的，因此SNR不能解释两系统之间的能量差异。考虑到移动伪迹通常出现在低频带，而干电极系统通常对移动伪迹更敏感，因此我们期望在干电极系统的低频中看到更高的δ功率。然而相反地我们在湿电极系统中观察到更高的δ能量。系统之间这种差异的原因尚不清楚。尽管在湿电极系统中，额叶区的P2响应比干电极系统中的P2更大，但两系统的目标刺激P3b响应是相似的。在快速目标检测任务中，湿电极系统中单试次分类性能稍好一些，但这两种系统的分类都远高于随机水平。这些结果都体现出湿电极EEG系统的性能稍好一些，这可能是由于该系统使用了湿的和活跃放大的电极。

这两个系统之间硬件和使用者经验上的差异也值得注意。尽管这两种系统的电极放置都符合10-20或10-10系统，使它们能适用于临床环境，但干电极EEG系统（n=31）的通道数量是湿电极EEG系统的一半（n=64）。除了硬件上的差异，使用者和研究者的经验也是需要考虑的重要因素。在本研究中，干电极系统的每个电极平均准备时间略高一些。考虑到在干电极系统中不需要使用凝胶，这一结果是令人惊讶的。有两个因素可能使干电极系统的电极准备工作延长。1）与湿电极相比，实验人员在干电极方面相对缺乏经验，特别是在对噪声信号进行故障排除方面。2）实验者必须降低干电极的阻抗水平；相比之下，Biosemi湿电极系统中活跃、预放大的电极并不需要这些来减少电极阻抗。在使用湿电极和干电极EEG系统的情况下，由于电极准备和清理都较容易，两名实验者都倾向于使用干电极EEG系统。用户报告的干电极系统的灵活性更高，但在设置和记录过程中，两系统的舒适程度并没有区别。值得注意的是，在两个小时里，舒适水平稳步下降，但干电极系统的下降幅度更大。未来的研究需要确定这种在舒适水平上观察到的模式是否适用于超过两个小时的实验记录。

值得注意的是，我们的比较是独特的，因为使用了干EEG系统。虽然有几项研究直接比较了其他湿电极和干电极系统，但除了两项由高密度EEG电极记录的研究（Fiedler et al., 2015; Oliveiraet al., 2016），它们通常包括更少的电极（Guger et al., 2012; Kathner et al., 2017; Liao et al.,2012; Lin et al., 2008; Lo et al., 2016）。干电极EEG系统记录了31个电极，这些电极是根据10-20系统放置的。此外，以前的研究主要报告了ERP测量和低频功率。除了这些测量外，我们还展示了干电极系统在分类分析中表现很好，这种分类分析是脑机接口环境中使用的主要测量之一，例如，对于住院患者。这些分类结果在多大程度上适用于其他的干电极EEG系统仍有待检验。

总的看来，在实验室环境中，干电极EEG系统在大多数指标中都显示了较好的用户体验和数据质量。一般来说，干电极系统通过避免大量的电极准备和清洗时间，具有电极应用简化的优点。这个优势有很重要的潜在应用。在临床环境中，这种优势对于测试特定人群尤其重要：比如精神病患者和神经系统患者以及儿童，因为他们通常对凝胶使用的耐受性较差。例如，严重失语症患者或住院患者受益于脑机接口（BCIs）与他人交流。使用有线EEG系统的BCIs通常会把病人限制在医院或诊所等场所。电极准备所需的最低技术在患者需要长期的EEG监测的情况下尤其有益，因为它允许他们的家庭成员在病人家中使用电极，而不需要训练有素的EEG技术人员。这一发现强调了在控制较少的环境中，干电极技术在其他临床人群中的应用。有癫痫风险的人群可能从中受益。目前的做法通常要求这些患者使用EEG系统监测24小时的电生理活动，以便在手术治疗前确定癫痫源。在安静环境中，干电极和湿电极EEG系统之间相似的信号质量，突出了使用干电极技术在病人家中进行癫痫监测的前景，这只要求病人保持在一个固定的位置。

总之，我们证明了在受控制的实验室环境中，无线干电极EEG系统的信号质量与传统的湿电极EEG系统具有可比性。这些结果为干电极EEG系统提供了支持，可以作为一种具有新颖研究性和临床应用的技术。

Ps：编者推荐：基础研究倾向于湿电极，临床应用倾向于干电极，但具体情况还是要具体分析。

参考文献：Kam, J. W., Griffin, S., Shen, A., Patel, S.,Hinrichs, H., Heinze, H. J., ... & Knight, R. T. (2018). Systematiccomparison between a wireless EEG system with dry electrodes and a wired EEGsystem with wet electrodes. NeuroImage.