Eeglab Gleitender Durchschnitt

Verschiedene EEGLAB-bezogene Funktionen. Melden Sie Bugs, unerwartete Verhaltens - und Feature-Anfragen an widmann bei uni-leipzig dot de. eegrejsortavg. m - sortiert durchschnittlich Artefaktunterdrückung popaddplugin. m - Last EEGLAB Plugin nach EEGLAB popcompeeg. m starten - Grund Darstellung mehrerer kontinuierlicher Datendateien zum Vergleich eegemcp. m - Grundaugenbewegungskorrektur mit rohen durchschnittlichen Subtraktion Routinen für das Laden Und Speichern von Datendateien im Brain Vision Data Exchange-Format (Export und Import von Brain Vision Analyzer MATLAB-Dateien, die von Arnaud Delorme entwickelt wurden). Das bva-io-Plugin ist nun in der EEGLAB-Distribution enthalten. Der Source Repository wird nicht mehr Durchsuchen Subversion-Repository Access-Subversion-Repository beibehalten: svn co sccn. ucsd. edusvnsoftwareeeglabpluginsbva-io BVA-io Beispielcode, wie schlecht Segmente von Brain Vision Analyzer markiert abzubilden EEG. reject Struktur Routinen für die Gestaltung von Windowed Sinc, zu EEGLAB Parks-McClellan und Moving Average Finite Impulse Response (FIR) Filter und Filterung EEGLAB EEG-Datensätze. Die Routinen für die Entwicklung von Parks-McClellan FIR Filtern erfordern die MATLAB Signal Processing Toolbox. Melden Sie Bugs, unerwartete Verhaltens - und Feature-Anfragen an widmann bei uni-leipzig dot de. Grandaverage Routinen für Grand Averaging geladene EEGLAB EEG-Datensätze oder Datasets von der Festplatte. Melden Sie Bugs, unerwartete Verhaltens - und Feature-Anfragen an widmann bei uni-leipzig dot de. zipball (hinzugefügt eegparam. m für grundlegende Parametrisierung Operationen auf grand gemittelte Datensätze) Routinen für Kanal-Interpolation, SCD-Transformation und 2D-ERP, SCD und Komponente mit sphärischen Spline-Interpolation Plotten (Perrin et al., 1989, 1990). Melden Sie Bugs, unerwartete Verhaltens - und Feature-Anfragen an widmann bei uni-leipzig dot de. Routinen für den Import von EEProbe RIFF durchschnittliche Dateien und Exportieren von RIFF kontinuierlich (unkomprimierte 32-Bit-Integer), durchschnittlich (float-Vektor) und Trigger-Dateien. Melden Sie Bugs, unerwartete Verhaltens - und Feature-Anfragen an widmann bei uni-leipzig dot de. Zipball (zusätzlicher Import von Standardabweichungsdaten aus RIFF-avr-Dateien) EEGLAB Tutorial I.8. Plotten von ERP-Bildern Das Gebiet der elektrophysiologischen Datenanalyse wurde durch die Analyse von 1-dimensionalen ereignisbezogenen Potentialen (ERP) bestimmt. Das ERP-Bild ist eine verwandte, aber allgemeinere 2-D-Darstellung (Werte in Zeitabschnitten) der Daten. ERP Bilder sind 2-D-Bild-Transformationen von epoched Daten, in denen Daten Epochen zunächst entlang einige relevante Dimension sortiert (zum Beispiel unter Reaktionszeit oder Alpha-Phase zu Beginn des Stimulus, etc.), t Henne (optional) geglättet (Quer Angrenzende Versuche) und schließlich farbcodiert und abgebildet. Im Gegensatz zum ERP, das wie üblich definiert nur in einer Form (der zeitgesteuerte Durchschnitt) existiert. Die Anzahl der möglichen ERP Bilder aus einer Reihe von einzelnen Studien ist recht groß - die Versuchsdaten können entlang jedem Pfad durch den Raum Versuche sortiert und abgebildet werden. Jedoch geben nicht alle Sortierordnungen gleiche Einblicke in die in den Daten ausgedrückte Hirndynamik. Es ist Aufgabe des Benutzers zu entscheiden, welche ERP-Bilder zu studieren sind (standardmäßig werden Versuche in der Reihenfolge ihres Erscheinens im Experiment sortiert). Es ist auch leicht, ein ERP-Bild falsch zu interpretieren oder zu interpretieren. Beispielsweise kann die Verwendung einer Phasensortierung bei einer Frequenz (nachstehend gezeigt) den Benutzer auf das Vorhandensein anderer Schwingungsphänomene in den gleichen Daten bei verschiedenen Frequenzen blind machen. Auch hier ist die Verantwortung, die Beweise, die ein 2-D-ERP-Bild im Vergleich zur Interessenshypothese liefert, korrekt zu gewichten und zu interpretieren - genauso wie es für die Anwender die korrekte Interpretation von 1-D-ERP-Zeitreihen ist. I.8.1. Auswählen eines Kanals zum Plotten Um ein ERP-Bild der Aktivität auf einem Datenkanal in den Einzelversuchen unseres Datensatzes zu zeichnen, müssen wir zunächst einen zu plottenden Kanal auswählen. Lassen Sie uns zum Beispiel einen Kanal mit hoher Alpha-Band-Leistung (nahe 10 Hz) wählen. Zuvor in der Tutorial erhalten wir die spectopo () - Plot nachstehend wiedergegeben. Die obige graphische Darstellung zeigt, daß die Alpha-Bandleistung (z. B. bei 10 Hz) über die zentrale okzipitale Kopfhaut konzentriert ist. Um zu finden, welche Elektroden sich in dieser Region befinden, können wir einfach die Elektrodennamen und - orte ausgeben, indem Sie Plot gt Kanalstellen gt Nach Name auswählen. Wodurch die untenstehende Figur erzeugt wird. In der folgenden Abbildung sehen wir, dass die Elektrode POz der Kanal ist, an dem die Alpha-Leistung am größten ist. Klicken Sie auf die Bezeichnung des POz-Kanals (unten), um dessen Nummer anzuzeigen (27). Hinweis: Es ist auch möglich, Elektrodenpositionen im Spektralgraphen durch Eingabe von Elektroden aufzurufen, im unteren Textfeld (Skalp-Map-Optionen) des interaktiven popspectopo () - Fensters. I.8.2. Plotten von ERP-Bildern mit poperpimage () Nachdem wir nun die Nummer des Kanals kennen, dessen Aktivität wir studieren wollen, können wir seine Aktivität in Einzelversuchen in Form eines ERP-Bildes darstellen. Wählen Sie Plot gt Channel ERP image. Daraufhin erscheint das Fenster poperpimage (). Geben Sie die Kanalnummer (27) ein, einen Testglättungswert von 1. Und drücken Sie OK. Ein ERP-Bild ist ein rechteckiges farbiges Bild, bei dem jede horizontale Linie die Aktivität repräsentiert, die in einem einzigen experimentellen Versuch (oder einem vertikalen gleitenden Durchschnitt von benachbarten Einzelversuchen) auftritt. Die Abbildung unten (kein ERP-Bild) erläutert den Vorgang der Erstellung von ERP-Bildplots. Statt der Plotting-Aktivität in Einzelversuchen, wie z. B. Links-nach-Rechts-Spuren, bei denen das Potential durch die Höhe der Spur codiert wird, färben wir ihre Werte in Links-Rechts-Geraden ein, wobei der sich ändernde Farbwert den Potentialwert anzeigt Zu jedem Zeitpunkt in der Studie. Beispielsweise würden in dem folgenden Bild drei verschiedene Einzeltest-Epochen (blaue Spuren) als drei verschiedene farbige Linien (unten) kodiert. Durch Stapelung übereinander die Farbsequenzlinien für alle Versuche in einem Datensatz, erzeugen wir ein ERP-Bild. In der standardmäßigen erpimage () - Ausgangsgröße (unten) zeigt die Spur unterhalb des ERP-Bildes den Durchschnitt der Einzelversuchsaktivität, d. h. den ERP-Durchschnitt der abgebildeten Datenepochen. Der Kopfpunkt (oben links), der einen roten Punkt enthält, gibt die Position des ausgewählten Kanals in der Montage an. (Anmerkung: Diese beiden Darstellungsmerkmale (sowie einige andere) können im Popup-Fenster von poperpimage () deaktiviert werden (siehe auch Checkboxen Plot-ERP und Plot-Skalp-Map). Da Aktivität in Einzelversuchen viele Variationen enthält, kann es sinnvoll sein, die Aktivität (vertikal) über Versuche mit einem (Kastenwagen) gleitenden Durchschnitt zu glätten. Rufen Sie erneut das interaktive Fenster poperpimage () auf und stellen Sie die Glättungsbreite auf 10 statt auf 1 (beachten Sie, dass die Parameter des letzten Aufrufs gespeichert werden.) Wenn Sie ein Problem mit dieser Funktion haben, geben Sie gtgt h (0) in der Matlab-Befehlszeile ein Löschen Sie die Geschichte). Jetzt (siehe unten) ist es einfacher, die dominanten Alpha-Band-Oszillationen in Einzelversuchen zu sehen. Beim Plotten einer großen Anzahl von Versuchen ist es nicht notwendig, jede (geglättete) Probe als eine horizontale Linie zu plotten. (Der Bildschirm und die Druckerauflösung können nicht ausreichen, um alle anzuzeigen). Um die Abbildungsverzögerung zu reduzieren (und die gespeicherte Plotdateigröße zu verringern), kann man einige der (geglätteten) ERP-Bildzeilen dezimieren. Die Eingabe von 4 im Feld Abwärtsabtastung des poperpimage () - Fensters würde die Anzahl der Zeilen im ERP-Bild um den Faktor 4 dezimieren (reduzieren). Wenn die Glättungsbreite größer als 24 8 ist. Werden keine Informationen aus dem (geglätteten) Bild verloren. Anmerkung: Zur Abbildung unseres Beispieldatensatzes ist es nicht notwendig, zu dezimieren, da wir relativ wenige (80) Versuche haben. I.8.3. Sortierversuche in ERP-Bildern In den obigen ERP-Bildern wurden die Versuche während des Experiments in der Reihenfolge ihres Auftretens (bottom-to-top) abgebildet. Es ist auch möglich, sie in der Reihenfolge jeder anderen Variablen zu sortieren, die als ein Ereignisfeld kodiert wird, das zu jedem Test in dem Datensatz gehört. Im Folgenden zeigen wir die Sortierung der gleichen Studien in der Reihenfolge der Reaktionszeit Ereignis Latenz (Reaktionszeit). Im Fenster poperpimage () drücken Sie zuerst die Taste Sortierfeld. Und wählen Sie Latenz. Als nächstes drücken Sie die Taste Ereignistyp und wählen rt aus, wie unten gezeigt. Im darauffolgenden ERP-Image werden die Tests nach der Latenz von rt-Ereignissen sortiert (unsere Beispieldaten haben jeweils ein rt-Ereignis pro Epoche), wenn es nicht der Fall gewesen wäre, hätte erpot () nur Epochen mit rt-Ereignissen geplottet Zeitlimits von -200 800 ms, um die Aktivität unmittelbar nach Stimulus-Onsets aufzuzeichnen. Hinweis: In diesem und einigen anderen interaktiven Pop-Fenstern wird ein erklärender Kommentar mit dem Mauszeiger über dem Textfeld über einem Texteingabefeld angezeigt. Klicken Sie auf die Schaltfläche Sortieren Feld, und wählen Sie Position anstelle von Latenz. Entfernen Sie rt aus dem Dialogfeld "poperpimage ()" In dem resultierenden erpimage () - Zeichen werden die Versuche nach der Stimulusposition sortiert (1 oder 2, automatisch normalisierte Werte, um sie an den Nachstimulusraum für die Anzeige anzupassen) Die Glättungsbreite (10) sowohl für die Einzelversuchsdaten als auch für die Sortiervariable angewendet wird. Dies erklärt die schräge Linie, die die niedrigen (1) und hohen (2) Sortiervariablenbereiche verbindet. Anmerkung: Man kann auch einen Matlab-Ausdruck eingeben, um die Sortiervariable explizit zu normalisieren (siehe erpimage () - Hilfe). Wählen Sie nun die Latenzzeit der rt-Ereignisse als Trialsortiervariable aus (drücken Sie die Sortierfeld-Taste, um die Latenzzeit auszuwählen, und drücken Sie die Ereignisart-Taste, um rt auszuwählen). Geben Sie unter Rescale no ein (sonst werden die Reaktionszeiten automatisch normalisiert). Im Eingabefenster Zeitfenster können Sie eine Teilmenge von Ereignissen in einem bestimmten Zeitbereich auswählen. Hier geben Sie 0 350 an, um Event-Latenzen (nur in unserem Fall) zwischen 0 und 350 ms auszuwählen. Verwenden Sie den Align-Eingang, um die Einzeltestdaten auf Sortiervariable und die Änderungszeitlimits neu auszurichten. Der in Align angegebene Latenzwert wird als Zeit 0 verwendet. Um den Median der Trial-Sortierwerte (hier Medianreaktionszeit) als neue Zeit 0 auszuwählen, geben Sie Inf ein. Das Matlab-Symbol für Unendlichkeit in diesem Feld (wie unten). Hinweis: Die zeitliche Neuausrichtung von Datenpochen relativ zueinander führt zu fehlenden Daten an den unteren linken und oberen rechten Ecken des ERP-Bildes. Die ERP-Bildfunktion zeigt diese als grün (0) an und gibt diese Werte als NaN s (Matlab not-a-number) zurück. Die ERP-Bildzahl (unten) wird erstellt. Hier zeigt die gerade vertikale Linie zum Zeitpunkt 0 das Moment der Subjektreaktion und die Kurve der vertikalen Linie, die Zeit, zu der der Reiz in jedem Versuch präsentiert wurde. Vergleichen Sie diese Zahl mit dem vorherigen, nicht aufeinander abgestimmten, RT-sortierten ERP-Bild (nächstes Bild oben). I.8.4. Plotten von ERP-Bildern mit Spektraloptionen Als nächstes werden wir mit Sortierversuchen nach ihrem EEG-Phasenwert in einem bestimmten Zeitfrequenzfenster experimentieren. Obwohl rt-Werte in phasensynchronisierten ERP-Bildfiguren dargestellt werden können, lassen wir sie der Einfachheit halber weg. Um dies zu tun, kehren Sie zum Menü poperpimage () zurück. Löschen Sie den Inhalt des Sortierfeldes. Ereignistyp und Align-Eingänge. Geben Sie dann in der Sortierphase nach Phasenabschnitt 10 (Hz) unter Frequency und 0 (ms) unter Centerzeit ein. Geben Sie -200 800 neben Zeitlimits (ms) ein, um den Zeitraum in der Nähe des Stimulus-Einsetzens zu vergrößern. Wir erhalten dann die ERP-Abbildung unten. Anmerkung kurz vor dem Stimulus-Beginn des roten Schrägstreifens: dies ist auf die Phasensortierung zurückzuführen: Die Phase (d. h. die Latenzzeit des Wellenpeaks) variiert kontinuierlich über zurückgelegte Versuche. Bei dieser Berechnung wurde ein 3-Zyklus-10 Hz-Wavelet auf ein Fenster in jedem Versuch zentriert zum Zeitpunkt 0 angewendet. Die Breite des Wavelets betrug 300 ms (d. h. drei 10-Hz-Zyklen von 100 ms). Daher verlängerte es sich von -150 ms auf 150 ms. Nachdem das Wavelet auf jeden Versuch angewendet wurde, sortiert die Funktion die Versuche in der Reihenfolge der Phasenwerte (-pi bis pi) und zeigt ein ERP-Bild der Versuche in dieser (von oben nach oben) Reihenfolge an. Die Dominanz der circa 10-Hz-Aktivität in den Versuchen. Zusammen mit der 10-trial Glättung, die wir angewandt haben, macht die Phasenkohärenz zwischen angrenzenden Versuchen offensichtlich in dieser Ansicht. Beachten Sie, dass wir die Phasensortierung von Versuchen unter Verwendung eines beliebigen Zeitfensters angewandt haben könnten. Die Ergebnisse würden von der Stärke der ausgewählten Frequenz in den Daten abhängen, insbesondere von ihrem Impulsgrad (d. h. haben die Daten lange Bündel bei dieser Frequenz) und ihre Phasenverriegelung (oder nicht) auf experimentelle Ereignisse. Phasensortierte ERP-Bilder unter Verwendung verschiedener Zeit - und Frequenzfenster stellen unterschiedliche Wege dar, um durch komplexe (Einkanal-) EEG-Daten zu fliegen. Um die Phasensortierung klarer zu sehen, halten Sie die gleichen Einstellungen, aber dieses Mal geben Sie 50 unter der Prüfungen zu ignorieren. Hier werden die 50 von Versuchen mit der kleinsten 10-Hz (alpha) Leistung im gewählten Zeitfenster nur abgelehnt (40) andere (größer-alpha 50) werden abgebildet. Hier (unten) können wir besser sehen, wie die Alphawelle nach dem Reiz neu zu synchronisieren scheint. Vor der Zeit 0 ist die Alpha-Phase mehr oder weniger zufällig (gleichmäßig verteilt) und es gibt wenig Aktivität in dem durchschnittlichen ERP. Bei etwa 200 ms scheint die Alphaaktivität (teilweise) mit dem Reiz zu synchronisieren, und ein N300 und P400 ERP erscheint. Unsere Interpretation (oben) dieser Versuche als Phasensynchronisation muss nicht allein auf den visuellen Eindruck bezogen sein. Um statistisch beurteilen zu können, ob die Alpha-Aktivität teilweise durch die Reize partiell resynchronisiert wird (d. H. Wird teilweise durch die Stimuli zurückgesetzt), müssen wir die Phasenkohärenz (oder den Phasenverriegelungsfaktor) zwischen der Stimulationssequenz und den Nachreizdaten aufzeichnen. Diese Maßnahme, die Intertrial Coherence (ITC) in unserer Terminologie, nimmt Werte zwischen 0 und 1 an. Ein Wert von 1 für das interessierende Zeitfrequenzfenster zeigt an, dass die Alpha-Phase (in diesem Latenzfenster) in jedem Versuch konstant ist. Ein Wert von 0 tritt auf, wenn die Phasenwerte in allen Versuchen gleichmäßig um den Einheitskreis verteilt sind. In der Praxis werden Werte, die etwas größer als 0 sind, für jede endliche Anzahl von willkürlich phasenverteilten Versuchen erwartet. Um das ITC in unserer ERP-Image-Figur darzustellen, wählen wir im poperpimage () - Fenster folgende Parameter aus: Wir ignorieren den Wert von Trials und geben 9 11 unter Phasensortierung und 9 11 unter Coher freq ein. . Beachten Sie, dass diese beiden Einträge gleich sein müssen (das Fenster verhindert tatsächlich, dass der Benutzer unterschiedliche Werte eingibt). Das Eingeben eines Frequenzbereichs anstelle einer Frequenz (z. B. 10 wie zuvor) teilt erpimage () mit, um die Datenfrequenz mit maximaler Leistung in den Eingangsdaten (hier zwischen 9 und 11 Hz) zu finden. Geben Sie schließlich unter Signif 0,01 ein. Und drücken Sie OK. Zwei weitere Plotfelder erscheinen unterhalb des ERP-Panels. Das mittlere Panel zeigt mittlere Änderungen in der Leistung über die Epochen in dB. Rote Linien zeigen 1 Vertrauensgrenzen gemäß Surrogatdaten, die aus zufälligen Fenstern in der Grundlinie gezogen wurden. Hier zeigt die Leistung bei der gewählten Frequenz (10,13 Hz) keine signifikanten Unterschiede in der Epoche. Die Zahl 25,93 dB in der Grundlinie dieses Panels zeigt den absoluten Basisleistungspegel an. Hinweis: Um die Ergebnisse zu vergleichen, ist es manchmal sinnvoll, diesen Wert im Hauptfenster des ERP-Bildes manuell einzustellen. Das untere Diagramm zeigt die ereignisbezogene Inter-Trial-Kohärenz (ITC), die den Grad der Phasensynchronisation von Versuchen relativ zur Stimulus-Präsentation indiziert. Der Wert 10.13 Hz gibt hier die gewählte Analysefrequenz an. Die Phasensynchronisation wird stärker als unsere spezifizierte p0.01-Signifikanzgrenze bei etwa 300 ms. Anmerkung: Das ITC-Signifikanzniveau ist typischerweise niedriger, wenn es auf mehr Tests beruht. Darüber hinaus ist ITC in der Regel nicht auf Leistungsänderungen bezogen. Ergibt sich hier das ERP durch partielle Phasensynchronisation oder Reset nach Stimuluseinsatz Im reinen Fall der (Teil-) Phasensynchronisation bleibt die EEG-Leistung (bei den relevanten Frequenzen) im Nachreizintervall konstant. Der ITC-Wert ist während des ERP signifikant, aber kleiner als 1 (vollständige Phasenverriegelung). In unserem Fall zeigt die Abbildung (oben) einen signifikanten Anstieg der Post-Stimulus im Alpha-ITC, begleitet von einer kleinen (wenn auch nicht signifikanten) Zunahme der Alpha-Leistung. Im Allgemeinen könnte ein ERP aus der partiellen Phasensynchronisation der laufenden Aktivität in Verbindung mit einer stimulusbedingten Erhöhung (oder Abnahme) der EEG-Leistung resultieren. Es ist wichtig, die Ergebnisse der Phasensortierung in ERP-Bildplots nicht zu überinterpretieren. Beispielsweise simulieren die folgenden Aufrufe von der Matlab-Befehlszeile 256 1-s-Datenepochen unter Verwendung von Gauß-Weißrauschen, Tiefpaßfiltern unterhalb (simuliert) 12 Hz und zeichnen die folgenden 10-Hz-phasensynchronisierten ERP-Bilddiagramme der resultierenden Daten. Die Figur scheint eine zeitlich kohärente 10-Hz-Aktivität im (tatsächlichen) Rauschen zu identifizieren. Das (mittlere) Amplitudenfeld unterhalb des ERP-Bildes zeigt jedoch, dass sich die Amplitude bei (simulierten) 10 Hz nicht signifikant durch die (simulierten) Epochen ändert, und die unterste Tafel zeigt, dass auch die Intertrialkohärenz nicht signifikant ist Visuell durch die geraden diagonalen 10-Hz-Wellenfronten in der Mitte des ERP-Bildes). Simulation von 256 1-s-Epochen mit Gauß-Rauschen bei 256 Hz Abtastrate Tiefpass lt 12 Hz gtgt Daten eegfilt (randn (1,256256), 256,0,15) Plot-ERP-Bild, phasensortiert bei 10 Hz gtgt erpimage (Daten, Nullen (1, 256), 1: 256, phasensynchrones Rauschen, 1,1 phasenort, 128 0 10, srate, 256. coher, 10 10, 01, erp, caxis, 0,9) Und das Hinzufügen eines streng zeitgesperrten ERP-artigen Transienten zu jedem Versuch ergibt ein phasensortiertes ERP-Bild-Diagramm, das eine sigmoidale, nicht eine gerade diagonale Wellenfront-Signatur zeigt. Wie können wir zwischen den beiden Interpretationen desselben Daten unterscheiden (zufälliges EEG plus ERP gegen teilphasiges Reset-EEG) Für simulierte Einkanaldaten gibt es keine Möglichkeit, dies zu tun, da beide gleichermaßen gültige Betrachtungsweisen sind ( Simulierten) Daten - egal wie es erstellt wurde. Schließlich behalten die simulierten Daten selbst keinen Eindruck davon, wie sie entstanden sind - auch wenn ein solcher Eindruck im Verstand des Experimentators bleibt. Für reale Daten müssen wir konvergente Beweise verwenden, um unsere Interpretation auf die eine oder andere Seite (oder Beide) Interpretationen. Das Teilphasen-Rücksetzmodell beginnt mit dem Konzept, dass die physikalischen Quellen des EEG (partiell synchronisierte lokale Felder) ALSO die Quellen oder Mittel zu den ERP-Mittelwerten sein können. Diese Annahme kann durch Untersuchung der räumlichen Skalpverteilungen der ERP-Merkmale und der EEG-Aktivität verstärkt oder geschwächt werden. Jedoch kann auch hier ein einfacher Test nicht ausreichen, da viele kortikale Quellen wahrscheinlich dazu beitragen, dass sowohl EEG als auch gemittelte ERPs an einer einzigen Elektrode (Paar) aufgezeichnet werden. Ein ERP-Merkmal kann aus einem teilweisen Phasenrücksetzen von nur einer der EEG-Quellen resultieren, oder es kann viele Beiträge einschließlich wirklich ERP-ähnliche Ausflüge mit fester Latenz und Polarität in Versuchen aufweisen, monopolare ERP-ähnliche Ausflüge, deren Latenz während der Versuche variiert, und oder teilweise Phasen-Rückstellung vieler EEG-Prozesse. Detaillierte räumlich-zeitliche Modellierung der Sammlung von Single-Trial-Daten ist erforderlich, um diese Möglichkeiten auszutauschen. Zur weiteren Diskussion der Frage im Kontext eines aktuellen Datensatzes siehe Makeig et al. (2002). In diesem Papier wurde die Phasenrücksetzung bei Alpha - und Theta-Frequenzen als die vorherrschende Ursache des aufgezeichneten ERP (zumindest an der angegebenen Kopfhautstelle, POz) angegeben. Wie unterscheidet sich das ERP in der obigen Abbildung von Makeig et al. Papier beschäftigte sich mit Nicht-Ziel-Stimuli, während für die Stichprobe EEGLAB-Datensatz wir Epochen zeitgesteuert an Zielstimuli von einem Subjekt (gleiches Experiment) verwendeten. Die Phasensynchronisation kann für die beiden Reiztypen unterschiedlich sein. Auch die Analyse in der Arbeit wurde über 15 Themen und Tausende von Studien durchgeführt, während wir hier nur 80 Studien aus einem Thema zu analysieren. (Die Beispieldaten, die wir hier zeigen, werden für Tutorialzwecke verwendet. Wir bereiten jetzt einen vollständigen Bericht über die Zielantworten in diesen Experimenten vor.) Hinweis: Insgesamt stehen in erpimage () fünf Versuchsreihen zur Verfügung. Sortierung nach der Sortiervariablen (Standard) - Sortiert die Eingabedatenversuche (Epochen) durch die sortvar, Sortiervariable (zB RT) für jede Epoche der Eingabedaten. Sortieren nach Wert (valsort) - Hier werden die Versuche in der Reihenfolge ihres Mittelwerts in einem vorgegebenen Zeitfenster sortiert. Verwenden Sie diese Option, um nach ERP-Größe zu sortieren (Option noch nicht verfügbar im interaktiven Fenster).Sort by amplitude (ampsort) - Trials werden in der Reihenfolge der spektralen Amplitude oder der Leistung in einem bestimmten Frequenz - und Zeitfenster sortiert. Verwenden Sie diese Option, um z. B. P300-Antworten nach Alpha-Amplitude anzuzeigen (Option im interaktiven Fenster noch nicht verfügbar).Sort by phase (phasesort) - Die Trials werden in der spektralen Phase in einem vorgegebenen Zeitfenster sortiert Sort (nosort) - Zeigt Eingabeversuche in der gleichen Reihenfolge an, in der sie eingegeben werden. I.8.5. Plotten der Spektralamplitude in Einzelversuchen und zusätzlichen Optionen Es gibt mehrere andere Möglichkeiten von erpimage (), die wir im folgenden Beispiel kurz erläutern werden. Der Plotamp-Eintrag auf dem poperpimage () - Fenster ermöglicht uns, die Bildamplitude des Signals (bei der Frequenz von Interesse) in den Einzelversuchen anstelle der Rohsignale selbst zu erzeugen. Aktivieren Sie dieses Kontrollkästchen. Das Spektrum-Diagramm beschränkt den Eintrag fügt ein kleines Leistungsspektrum Diagramm oben rechts in der Figur. Geben Sie 2 50 ein, um die Frequenzgrenzen für dieses Diagramm anzugeben. Ändern Sie das Feld Sortierung wieder in Latenzzeit und Ereignistyp zurück zu rt. Dann geben Sie 500 unter Mark-Zeiten ein, um eine vertikale Markierung auf 500 ms zu zeichnen (hier nur zu illustrativen Zwecken). Schließlich geben Sie -500 1500 unter Zeitlimits ein, um ein bestimmtes Zeitfenster zu vergrößern, und -3 3 unter Amplitudengrenzen (dB). Die erpimage () - Abbildung unten erscheint. Im nächsten Tutorial zeigen wir, wie EEGLAB zur Durchführung und Auswertung der ICA-Dekomposition von EEG-Datenmengen eingesetzt werden kann. EEGLAB: eine Open-Source-Toolbox zur Analyse von EEG-Einzelversuchen einschließlich unabhängiger Komponentenanalyse Arnaud Delorme. Scott Makeig www Swartz Zentrum für Computational Neuroscience, Institut für Neuronale Berechnung, Universität von Kalifornien San Diego, La Jolla, CA 92093-0961, USA erhielt 17. Juni 2003. Revised 22. September 2003. Akzeptiert 16. Oktober 2003. Online verfügbar 3. Februar 2004. Wir haben eine Toolbox und eine grafische Benutzeroberfläche, EEGLAB, entwickelt, die unter der Crossplatform-MATLAB-Umgebung (The Mathworks, Inc.) zur Verarbeitung von Sammlungen von Einzelversuchen und gemittelten EEG-Daten einer beliebigen Anzahl von Kanälen ausgeführt wird. Zu den verfügbaren Funktionen gehören EEG-Daten, Kanal - und Ereignisinformationsimport, Datenvisualisierung (Scrolling, Skalp-Map und Dipol-Modell-Plot, plus Multi-Trial-ERP-Image-Plots), Vorverarbeitung (einschließlich Artefaktabstoßung, Filterung, Epochenauswahl und Mittelung) Komponenten-Analyse (ICA) und zeitliche Zerlegungen einschließlich der Kanal - und Komponenten-Kreuzkohärenz, unterstützt durch statistische Methoden des Bootstrap basierend auf Daten-Resampling. EEGLAB-Funktionen sind in drei Ebenen organisiert. Top-Layer-Funktionen ermöglichen es Benutzern, mit den Daten über die grafische Oberfläche zu interagieren, ohne die MATLAB-Syntax verwenden zu müssen. Mit den Menüoptionen können Benutzer das Verhalten von EEGLAB auf den verfügbaren Speicher abstimmen. Mit Middle-Layer-Funktionen können Benutzer die Datenverarbeitung mithilfe von Befehlshistorie und interaktiven Pop-Funktionen anpassen. Erfahrene MATLAB-Benutzer können EEGLAB-Datenstrukturen und eigenständige Signalverarbeitungsfunktionen verwenden, um benutzerdefinierte und Batch-Analyse-Scripts zu schreiben. Umfangreiche Funktion Hilfe und Tutorial Informationen enthalten sind. Eine Plug-in-Funktion ermöglicht die einfache Einbindung neuer EEG-Module in das Hauptmenü. EEGLAB ist frei verfügbar (sccn. ucsd. edueeglab) unter der GNU Public License für nicht kommerziellen Gebrauch und Open Source Entwicklung, zusammen mit Beispieldaten, User Tutorial und umfangreiche Dokumentation. Feige. Fig. Fig. Fig. Fig. Fig. 6. Entsprechender Autor. Tel. 1-858-458-1927 Fax: 1-858-458-1847. Copyright 2003 Elsevier B. V. Alle Rechte vorbehalten.