原始版来源于Yoann Stussi等人，遵循CC-By Attribution 4.0 International 协议，本教程略有删改。
本教程主要分为预处理（Preprocessing）、事件相关EDA分析(Event-related EDA Analysis)两个核心部分，接下来我们将逐一进行详细的讲解。
第一部分 预处理（Preprocessing）
1.1
导入或打开原始的EDA数据。

1.2 复制EDA电极：Edit — Duplicate Waveform（或者在选中EDA电极后同时按下
“ctrl+d”进行复制）
1.3
对皮肤电数据进行滤波：Transform — Digital Filters — FIR — Low pass… (Blackman -92 dB, cutoff frequency = 1 Hz)（如图1所示）

1.4
对EDA数据进行降采样率（Downsample，如：从1000 Hz 降到 250 Hz）：Transform — Resample Waveform…

1.5 将数字输入（如：trigger/Marker/Event codes）转化为刺激事件（stim events）：Analysis — Stim-Response — Digital Input to Stim Events   — Upper eight digital lines (D8-D15)  —  transition latency (如图2所示)。请注意，转化(transition)潜伏期必须短于AcqKnowledge 4.4软件中Trigger潜伏期（如：Trigger的潜伏期为10 ms，则转化的潜伏期为5 ms）。转化潜伏期用于定义将被视为单个事件的最大触发持续时间。
1.6 设置EDA首选项：Analysis  —  Electrodermal Activity   —  Preferences (如图3所示)。
  • 结果显示为：仅Excel电子表格
  • 构造相位EDA：用平滑基线去除法
  • 基线校正窗口宽度：0.2 s（如果SCR数据降采样[<1000 Hz]，则可以改为2 s）
  • SCR阈值水平：0 µS
  • SCRs拒绝水平：最大值的 0%
1.7 从Tonic EDA导出Phasic EDA：Analysis  —  Electrodermal Activity  —  Derive Phasic EDA from Tonic (如图4所示)
  • 选择包含EDA信号的通道
1.8 另存为一个新的文件（如：‘s01_STUDYNAME_preprocessed.acq’）
第二部分 事件相关EDA分析(Event-related EDA Analysis)
2.1
打开预处理之后的EDA数据文件。

2.2
删/移除无关或无需在进行分析的trigger/Marker/Event codes（如：常规trigger、开始或结束trigger等）：Event Palette (见图5, 或者 Display —  Show  —  Event Palette)

  • Clear…  —  select have labels containing the text
  • 输入想要删/移除的trigger/Marker/Event codes标签
2.3 定位（Locate） SCRs：Analysis — Electrodermal Activity — LocateSCRs (见图6）。
  • Tonic EDA Channel: use EDA – GSR100C channel
  • Phasic EDA: use Phasic EDA channel
2.4 事件相关EDA分析（Event-related EDA analysis）: Analysis — Electrodermal Activity — Event — related EDA Analysis (见图7)。
2.4.1 参数（Parameters ）(首选项，Preferences)
  • Tonic EDA Channel: EDA – GSR100C
  • Phasic EDA: Use channel Phasic EDA: Phasic EDA
  • Stimulus event type: Stimulus Delivery
  • Stimulus event location: Anywhere
  • Minimum separation between Stimulus Event and SCR: 0.5 s (or 1 s)
  • Maximum separation between Stimulus Event and SCR: 4.5 s (or 4 s)
  • Select Output events for specific SCRs
2.5 从Event-related EDA analysis的电子表格中提取刺激事件和非刺激事件的选择的“Stim Time”列，并将其复制到新建（excel）文档（见图8）。
2.6 手动检查特定SCR的自动检测结果（例如，是否检测到第一个/最大响应，是否正确检测到波形起始，是否正确区分/分离多个响应等），并纠正错误检测和伪迹。
 2.6.1 错误检测多个SCR的示例（见图9）
2.6.2 对SCR进行重新编码的步骤。
  • 将光标放在SCR结束的起点处（您可以使用EDA Phasic channel进行引导）（见图10）。请注意，通常在SCR出现前有一个平静期。
  • 在波形出现的地方进行右击（即前一个SCR的“（”）（见图10）。
  • 选择Edit Event（见图10）。
  • 根据时间测量修改位置（见图11）。
  • 按 Enter 键（见图12）。
  • 选择 the recoded SCR（注意：需要包括波形开始[“（”]和波形结束[")”]）（见图13）。
  • 同时按下“ctrl+f”。
  • 在Cycles/Peaks选项卡中，设置Locate Cycles from to events，将Start event设置为Waveform Onset，将End event设置为Waveform Offset（见图14）。
  • 在Selection选项卡，确保Left edge设置为Time of Starting event：+0秒，Right edge设置为Time of Ending event：+0秒（见图15）。
  • 在Output选项卡，转到“Events”选项卡并选择“Output events”。将Event 1设置为EDA通道上的最大值，将输出类型设置为Specific SCR，将Output channel设置为EDA channel。将Event 2设置为None。（见图16）
  • 之后点击 Find in Selected Area（见图17）
2.6.3 将事件相关EDA中被编码为伪迹的移除流程（见图18）。
  • 右击specific SCR (如：图中的红框) 同时单击Edit Event。
  • 选择specific SCR 并移除，单击Cut Selected Event（见图19）.
  • 相应地更新包含Stim Time列的excel文件（即，剪切与错误地检测为事件相关SCR的伪迹相关联的Stim Time，并将其粘贴到不匹配的Stim Times中（未检测到与事件相关的SCR））。
2.6.4 对遗漏的event-related SCR 进行编码的流程。
  • 对记录到遗漏的多个SCRs进行处理（请查阅2.6.2 对SCR进行重新编码的步骤）。
  • 相应地更新包含Stim Time列的excel文件（即，剪切先前不匹配的Stim时间，并将其粘贴到与事件相关的SCR相关的Stim时间中，同时确保严格遵守时间顺序[从小到大]）。
2.7 手动检查完成后，另存为一个新文件（如：s01_STUDYNAME_erEDA.acq），通过查找波形出现和特定SCR之间的周期导出相关数据：
2.7.1 按“ctrl+f”。在Cycle/Peaks选项卡中，设置Locate cycles from to events，并将Start event设置为Waveform Start，将End event设置为Specific SCR（见图20）。
2.7.2 在“select”选项卡中，确保将Left edge设置为Time of Starting event: + 0 seconds，Right edge设为 Time of Ending event: + 0 seconds（见图21）。
2.7.3 在“Output”选项卡中，转到“Measurements”选项卡并选择“Save measurements”将测量值转换为Excel电子表格文件。然后，转到“Events”选项卡并确保未选中Output events（见图22）。
2.7.4 单击“Find All Cycles”（见图23）。
2.8 用'Stim Time'复制excel文件上的结果（见图24），并用'0'填充没有特定SCR event 的测量空值（见图25）。
2.9 将Stim Time列从最小值排序到最大值（见图26）。请确保在排序之前选择所有包含数据的单元格。
2.10 （可选）复制Excel文件中的数据并粘贴到包含每个试次的所有实验条件信息的文件中。
注意：本指南的目的是提供有关如何使用AcqKnowledge软件分析EDA的简要信息。然而，需要注意的是，它并不是全能的，并且存在使用不同参数的其他程序来分析EDA。这些其他的程序可能比这里介绍的更适合你的具体需要，这取决于你的研究目的或范式。此外，最好（也是非常推荐的）知道你在分析的任何一步都在做什么。
参考文献或资源：
[1] Stussi, Y., Brosch, T., & Sander, D. (2015). Learning to fear depends on emotion and gaze interaction: The role of self-relevance in fear learning. Biological Psychology, 109, 232-238.https://doi.org/10.1016/j.biopsycho.2015.06.008
[2] Stussi, Y., Pourtois, G., & Sander, D. (2018). Enhanced Pavlovian aversive conditioning to positive emotional stimuli. Journal of Experimental Psychology: General, 147, 905-923.https://doi.org/10.1037/xge0000424
[3] Stussi, Y., Ferrero, A., Pourtois, G., & Sander, D. (2019). Achievement motivation modulates Pavlovian aversive conditioning to goal-relevant stimuli. npj Science of Learning, 4, 4. https://doi.org/10.1038/s41539-019-0043-3
[4]  原教程来源链接：https://osf.io/eqa6s/
Ps:鉴于个人精力和能力有限，难免有遗漏或笔误之处，请各位读者批评指正，谢谢！！

文章来源以上公众号，欢迎关注它，仅限学习分享使用，不用于商业行为，若有侵权及疑问，请后台留言！
有任何疑问及侵权，可添加公众号二维码咨询：

继续阅读
阅读原文
关键词
软件
数据
同时
时间
结果