ERP-07源分析和成分分析(包含ICA分析的步骤)

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 CalculationHead ModelSensors ModelSourceModelData(measured)影响定位位准确性性的因素素信号传导导问题头颅不规规则性发放源深深浅操作因素素：分析析时间的的选择、头模型型和偶极极子模型型的选择择溯源分析析软件CurryBesaGeosourceICA 溯源分析析

2、需要的的4个文件功能数据据：.avg解剖数据据：.img电极位置置：.3dd解剖标志志位置：.pom创建BEM头颅模型型Atthebeginning:Importdatainto NEUROSCAN我们先读读入了最最原始的的文件：1_t(nback是我们这这个实验验的名称称)WorksintheEEGLab:EEGLab: Import只有EEGLAB系统，可可以很好好的的进进行ICA分析，从而很好好的达到到我们的的目的：去掉眼动动对脑电电造成的的影响眼电校正正所以我们们在EEGLAB系统中做做接下来来的分析析。所导入的的数据的的一些基基本信息息。这里我们们得到了了：1_nback.set定义

3、电极极位置。由于NS电极位置置使用标标准名称称，所以以按照默默认设置置导入即即可。1.Removebad channelsRemoveHEOG&VEOG前面提到到过，进进入ICA分析的数数据，需需要：1，干净、无误的的数据；2，具有统统一的参参考点的的数据。所以，这这里我们们首先要要去掉坏坏电极。坏电极首首先是在在数据记记录过程程中发现现的异常常电极，然后是ICA分析后发发现的异异常电极极。由于NeuroScan中，HEOG与VEOG均是双极极参考，所以也也要去掉掉。（EGI系统中不不存在这这个问题题）NS系统里似似乎只能能标注去去掉什么么样的电电极而不不能完全全删掉它它，而对坏电电极的标标记

4、在进进入EEGLAB时又消失失了，所以还是是推荐在在EEGLAB中进行这这一步。这里我们们得到了了：2_withoutP8T7HV.set2.RunICA独立成分分分析(IndependentComponent Analysis，ICA)是近期发发展起来来的一个个新的数数据及信信号分析析方法，是一种将源信号号从混合合信号分分离出来来的信号处理理技术。这里我们们假设，每个电极极位置的的头皮都都是一个个脑电的的源成分分，并通过分分析每个个电极记记录到的的电压，用ICA方法计算算每一个个源成分分的活动动情况。我们通过过计算电电极Channel所记录下下的电压压变化的的情况，得到电极极活动的的源成分分

5、Components的活动情情况。这里我们们得到了了：3_ICA.set3.RemoveComponentswhicharerelatedtoeyemovements通过ICA分析，我我们可以以获得眨眨眼、水水平眼动动的活动动的源成成分，以及这个个源成分分的活动动模式。那么，当当我们去去掉这两两个源成成分的活活动时，剩下的数数据就是是没有眼眼动影响响的、干干净的脑脑电活动动了。好的条件件下，我我们可以以排除掉掉所有的的伪迹、包括眼眼电，最最终取得得干净的的数据。但是如果果被试有有过量的的眼动，而排除除掉有眼眼动的数数据会使使可用的的数据量量过少时时，我们们就需要要做眼电电校正。一些实验验情况下

6、下，有眼眼动的数数据必须须进行排排除而不不是校正正。这就需要要根据实实验刺激激的属性性、实验验目的等等来判断断，能否否接受校校正过的的数据。那么哪些些成分是是与眼动动有关的的呢？好的ICA分析2D图：首先脑外外没有分分布；其其次有集集中的峰峰值。不好的ICA分析2D图举例怎样确定定：某成分是是眨眼的的源成分分，某成分是是水平眼眼动的源源成分，而别的成成分都不不是呢？这里我们们通过对比成分分波形图图与位置置波形图图来确定定。源成分1的活动变变化与垂垂直眼动动的电压压变化相相吻合源成分8的活动变变化与水水平眼动动的电压压变化相相吻合去掉对应应的源成成分后，它自动会会计算新新的EEG波形。得到：4_

7、ICAwithout 18.set去掉眼电电成分前的EEG波形去掉眼电电成分后的EEG波形4.Epoch123455.Removeincorrect trials6.Createstudy7.Precompute ERP8.ExportERPsfrom eeglabMethods35StimuliBackground:919 linesegments714UppervisualfieldTarget:2.55jitterred fromthe fixationMask:Fixation:superimposed “T”and“L”75Hz1024 768pixels114cmMethods36

8、TrialsequenceMethods37ExperimentalprocedureSOA=600 ms320trials/sessionSOA=466-40 ms1120 trials/session15subjectsBehavioral session:SOAwas decreasingfrom466msto40ms:oneblockeachat466, 360,266,226and three blockseach at 186,160,146, 120,106,80,66, 40 ms.Each session: 28 blocks40trialsMethods38EEGrecor

9、ding session128-channelHydroCelGeodesicSensorNet (EGI)Resistance below 50KPhysically referencedtoCzand thenoff-linere-referencedtotheaverageoftheleftandrightmastoidchannels.Bandpassfilter: 0.1to200HzSamplingfrequency: 500HzSegment:200msbeforestimulusonsetand 600ms afterBaseline:200mspre-stimulus and

10、lastedfor 200ms.Time windowElectrodes ANOVAC168-84msPz(62), POz(72), Oz(75)Peak amplitudeP1104-124msP1(60), Pz(62), P2(85)Mean amplitudeThe anterior P160-350160-350msAF3(23), F3(24), AFz(16), Fz(11), AF4(3), F4(124)Mean amplitudeThe posterior P160-350160-350msO1(70), 74, O2(83), 82Mean amplitudeMeth

11、ods39Channel groupsused foranalysisFactors usedinrepeated-measurementANOVA:SessionVisualfieldHemisphereAreaResults:behavioral40Long-termperceptuallearninghadtakenplaceLetterdiscrimination: 80%correctresponseSession:F(5, 70)=20.973,p0.001Errorbar: mean standard error*41Theimprovementratioofthe averag

12、ed thresholdSOA74.6%transfertosession658.8%maintenancetosession61-Tx/ T1Results:ERP42C1session:F(5,70)=0.788, p=0.562visualfield: F(1, 14)=1.484,p=0.24343C1topographicmap(68-84ms)C1peak amplitudeC1:nosignificantchange44SourcelocationbyBESAC1(68-84ms,session1, thetrainedvisualfield)Twodipoles:x=15.6,

13、y=-77.7,z=6.8(R.V. 5.6%)Location:BrodmannsArea 17V145P1:smalllearning-relatedchangessession:F(5,70)=2.021,p=0.086session1vs.session2: p0.006session1vs.session5: p0.034test II vs.6thsession:p0.03746AnteriorP160-350:theupperleft visualfieldN=15160ms350msmsuvNegativeshift47ThetimecourseofanteriorP160-350change wasvery similartothe patternofbehavioraltrainingperformancesession:F(5,70)=19.882, p0.001visualfield: F(1,14)=1.560, p=0.232*48Topographicmap(160-350ms)49Theposterior P160-350session:F(5,70)=2.851,p0.022visualfield: F(1,14)=0.368, p=0.554test II vs.6ths