ICA 为什么能帮助处理眼电
眨眼和眼动会在多个 EEG 通道中形成相关变化。独立成分分析（ICA）将多通道记录分解成一组成分，研究者结合空间分布、时间波形和频谱判断哪些成分更可能来自眼电，再重建保留成分后的信号。
ICA 不是直接删除前额通道，也不是把所有低频活动当作噪声。额叶脑活动和眼电可能在频率上重叠，单看振幅或成分标签不足以作出可靠判断。
在 Brainifly 中如何操作
上传人类 EEG 数据，确认通道名、参考和电极位置后启用 ICA。可设置成分数量和自动分类阈值。任务完成后检查清洗报告中的成分信息与前后信号变化，再决定是否接受输出。
自动分类只能辅助判断。短数据、少通道、严重坏导、秩不足或不准确的坐标，都可能降低 ICA 结果的可解释性。存在 EOG 通道时，应结合 EOG 时序和原始记录复核。
人和小鼠不能直接套用同一模型
人类头皮 EEG 与小鼠表面或植入电极在电极几何、参考和信号来源上不同。当前动物模式关闭人类 ICA 自动分类，不给动物数据套用标准人头拓扑与人类质量评分。
如果实验必须采用动物 ICA 去伪迹，应在确认电极布局、数据秩及训练模型适用性后使用专门方案；本平台的动物模式当前提供保守的滤波和连续频谱分析。
如何判断是否删得过多
比较清洗前后的目标效应、频谱和事件波形，检查是否有大面积信号被一起削弱。保存剔除成分列表与参数，在同一研究内使用一致且可说明的判据。
成分标签表示模型判断，不表示生物学事实。处理报告应与原始数据一同审阅，不能仅凭“清洗成功”确认实验信号已被正确保留。