《erp07源分析和成分分析包含ica分析的步骤资料》由会员分享，可在线阅读，更多相关《erp07源分析和成分分析包含ica分析的步骤资料（50页珍藏版）》请在金锄头文库上搜索。
1、溯源分析,Patch of aligned pyramidal cells in gray matter layer,偶极子是一对数值相等、方向相反的电荷。脑内众多神经元兴奋引起的电活动可以总和在一起用一对电荷表示，称为等价偶极子（equivalent dipole）。,Inverse Calculation,Head Model,Sensors Model,Source Model,Data (measured),影响定位准确性的因素,信号传导问题 头颅不规则性 发放源深浅 操作因素：分析时间的选择、头模型和偶极子模型的选择,溯源分析软件,Curry Besa Geosource ICA,溯
2、源分析需要的4个文件,功能数据：.avg 解剖数据：.img 电极位置：.3dd 解剖标志位置：.pom,创建BEM头颅模型,At the beginning: Import data into NEUROSCAN,我们先读入了最原始的文件： 1_t (nback是我们这个实验的名称),Works in the EEGLab: EEGLab: Import,只有EEGLAB系统，可以很好的的进行ICA分析， 从而很好的达到我们的目的： 去掉眼动对脑电造成的影响眼电校正 所以我们在EEGLAB系统中做接下来的分析。,所导入的数据的一些基本信息。,这里我们得到了： 1_nback.set,定义电极
3、位置。 由于NS电极位置使用标准名称，所以按照默认设置导入即可。,1. Remove bad channels Remove HEOG&VEOG,前面提到过，进入ICA分析的数据，需要： 1，干净、无误的数据； 2，具有统一的参考点的数据。 所以，这里我们首先要去掉坏电极。 坏电极首先是在数据记录过程中发现的异常电极， 然后是ICA分析后发现的异常电极。 由于NeuroScan中，HEOG与VEOG均是双极参考，所以也要去掉。 （EGI系统中不存在这个问题） NS系统里似乎只能标注去掉什么样的电极而不能完全删掉它， 而对坏电极的标记在进入EEGLAB时又消失了， 所以还是推荐在EEGLAB中进
4、行这一步。,这里我们得到了： 2_without P8 T7 H V.set,2. Run ICA,独立成分分析(Independent Component Analysis，ICA) 是近期发展起来的一个新的数据及信号分析方法， 是一种将源信号从混合信号分离出来的信号处理技术。 这里我们假设， 每个电极位置的头皮都是一个脑电的源成分， 并通过分析每个电极记录到的电压， 用ICA方法计算每一个源成分的活动情况。 我们通过计算电极Channel所记录下的电压变化的情况， 得到电极活动的源成分Components的活动情况。,这里我们得到了：3_ICA.set,3. Remove Componen
5、ts which are related to eye movements,通过ICA分析，我们可以获得眨眼、水平眼动的活动的源成分， 以及这个源成分的活动模式。 那么，当我们去掉这两个源成分的活动时， 剩下的数据就是没有眼动影响的、干净的脑电活动了。 好的条件下，我们可以排除掉所有的伪迹、包括眼电，最终取得干净的数据。 但是如果被试有过量的眼动，而排除掉有眼动的数据会使可用的数据量过少时，我们就需要做眼电校正。 一些实验情况下，有眼动的数据必须进行排除而不是校正。 这就需要根据实验刺激的属性、实验目的等来判断，能否接受校正过的数据。,那么哪些成分是与眼动有关的呢？,好的ICA分析2D图： 首
6、先脑外没有分布；其次有集中的峰值。,不好的ICA分析2D图举例,怎样确定： 某成分是眨眼的源成分， 某成分是水平眼动的源成分， 而别的成分都不是呢？,这里我们通过 对比成分波形图与位置波形图来确定。,源成分1的活动变化与垂直眼动的电压变化相吻合,源成分8的活动变化与水平眼动的电压变化相吻合,去掉对应的源成分后， 它自动会计算新的EEG波形。,得到： 4_ICA without 1 8.set,去掉眼电成分前的EEG波形,去掉眼电成分后的EEG波形,4. Epoch,1,2,3,4,5,5. Remove incorrect trials,6. Create study,7. Precomput
7、e ERP,8. Export ERPs from eeglab,Methods,35,Stimuli,Background: 919 line segments 714 Upper visual field,Target: 2.55jitterred from the fixation,Mask: Fixation: superimposed “T” and “L”,75Hz 1024 768 pixels 114cm,Methods,36,Trial sequence,Methods,37,Experimental procedure,SOA=600 ms 320 trials/sessi
8、on,SOA=466-40 ms 1120 trials/session,15 subjects,Behavioral session: SOA was decreasing from 466ms to 40ms: one block each at 466, 360, 266, 226 and three blocks each at 186, 160, 146, 120, 106, 80, 66, 40 ms. Each session: 28 blocks40 trials,Methods,38,EEG recording session,128-channel HydroCel Geo
9、desic Sensor Net (EGI) Resistance below 50K Physically referenced to Cz and then off-line re-referenced to the average of the left and right mastoid channels. Bandpass filter: 0.1 to 200Hz Sampling frequency: 500 Hz Segment: 200ms before stimulus onset and 600ms after Baseline: 200ms pre-stimulus an
10、d lasted for 200ms.,Methods,39,Channel groups used for analysis,Factors used in repeated-measurement ANOVA: Session Visual field Hemisphere Area,Results: behavioral,40,Long-term perceptual learning had taken place,Letter discrimination: 80% correct response Session: F(5, 70)= 20.973, p0.001,Error ba
11、r: mean standard error,*,*,41,The improvement ratio of the averaged threshold SOA,74.6% transfer to session6,58.8% maintenance to session6,1- Tx / T1,Results: ERP,42,C1,session: F(5, 70)=0.788, p=0.562 visual field: F (1, 14)=1.484, p=0.243,43,C1 topographic map (68-84ms),C1 peak amplitude,C1: no si
12、gnificant change,44,Source location by BESA,C1 (68-84ms, session1, the trained visual field) Two dipoles: x=15.6, y=-77.7, z=6.8 (R.V. 5.6%) Location: Brodmanns Area 17,V1,45,P1: small learning-related changes,session: F(5,70)=2.021, p=0.086 session1 vs. session2: p0.006 session1 vs. session5: p0.03
13、4 test II vs. 6th session: p0.037,46,Anterior P160-350: the upper left visual field,N=15,160ms,350ms,ms,uv,Negative shift,47,The time course of anterior P160-350 change was very similar to the pattern of behavioral training performance,session: F(5,70)=19.882, p0.001 visual field: F(1,14)=1.560, p=0
14、.232,*,*,*,*,48,Topographic map (160-350ms),49,The posterior P160-350,session: F(5,70)=2.851, p0.022 visual field: F(1,14)=0.368, p=0.554 test II vs. 6th session: p= 0.601,positive shift,50,Source location by BESA,Prefrontal,P160-350 (160-350ms, session6-session1, the trained visual field) Two pairs of dipoles: Brodmanns Area 46 (x=45, y=25, z=21) Brodmanns Area 19 (x=31.5, y=-42.4, z=0.1) (R.V. 4.8%),V3,
