Laboratorium EEG/CSP: Różnice pomiędzy wersjami

Z Brain-wiki
Linia 295: Linia 295:
 
{{hidden begin|title= fragment kodu do rysowania dwóch ERPów -- zamiast funkcji plottopo}}
 
{{hidden begin|title= fragment kodu do rysowania dwóch ERPów -- zamiast funkcji plottopo}}
 
<source lang = matlab>
 
<source lang = matlab>
      %% stworzenie osi
+
%% stworzenie osi
 
       % zakładam, że dane do rysowania są w dwóch strukturach EEG1 i EEG2 (struktury eeglab),  
 
       % zakładam, że dane do rysowania są w dwóch strukturach EEG1 i EEG2 (struktury eeglab),  
 
       % te dane są podzielone na realizacje i mają kształt (kanały , czas, epoki)
 
       % te dane są podzielone na realizacje i mają kształt (kanały , czas, epoki)
Linia 314: Linia 314:
 
          
 
          
 
     end
 
     end
 +
%%uśredniam EEG po powtórzeniach aby otrzymać ERP
 +
  ERP1 =squeeze( mean( EEG1.data,3)) ;
 +
  ERP2 =squeeze( mean( EEG2.data,3)) ;
 
%% rysowanie uśrednionych potencjałów z dwóch struktur EEG  
 
%% rysowanie uśrednionych potencjałów z dwóch struktur EEG  
  ERP1 =squeeze( mean( EEG1.data,3)) ; %uśredniam po powtórzeniach
 
  ERP2 =squeeze( mean( EEG2.data,3)) ; %uśredniam po powtórzeniach
 
 
  for chanNum = 1:length(EEG1.chanlocs)
 
  for chanNum = 1:length(EEG1.chanlocs)
 
     hold(ax(chanNum),'on');
 
     hold(ax(chanNum),'on');

Wersja z 15:32, 22 kwi 2024

Laboratorium_EEG/BSS

Prezentacja

slajdy z prezentacji

Ślepa separacja źródeł (BSS)


Ćwiczenie symulacyjne

Zastosowanie filtra CSP do detekcji potencjału P300

Analiza wstępna

Poszczególne etapy analizy proszę kodować w osobnych funkcjach. Funkcje te powinny być wywoływane z nadrzędnego skryptu, który powinien umożliwic wykoanie całości analiz.

  • Wczytać dane kalibracyjne do Matlaba i pociąć je na realizacje typu T — „target” (związane z wystąpieniami litery „B”) i NT — „non-target” (pozostałe litery) o długości −200 do +800 ms wokół triggerów. Dla każdej realizacji odjąć trend liniowy.
  • Sygnał zmontować wzgl. „połączonych uszu” i wyświetlić średnie przebiegi dla warunku T i NT w układzie topograficznym — można wykorzystać w tym celu poniższy fragment kodu.

Poniżej zaprezentowany jest przykładowy skrypt do cięcia danych wokół znaczników. Działa on z plikami zawartymi w archiwum:

Plik:KalibracjaP300.tar.gz

Korzysta z funkcji pomocniczych dostępnych w dystrybucji obci w katalogu

/usr/share/openbci/analysis/matlab_obci_signal_processing

Openbci można pobrać z https://github.com/BrainTech/openbci

ZADANIE: Analiza CSP

Link do Read menager [1]

  • Wykonać analizę CSP wzmacniającą potencjał P300.
  • Zaprezentować średnią ze wszystkich kanałów źródłowych z warunku target (jeden kolor) i non-target (inny kolor) w subplotach ułożonych w prostokątnej siatce. Zaobserwować dla którego kanału średnie różnią się najbardziej. Czy jest związek tego kanału z wartościami własnymi?
  • Dla kanału najbardziej różnicującego wykonać mapki topograficzne (do wykonania tych mapek wykorzystać funkcję topoplot z pakietu eeglab) wektorów odpowiadających:
    • filtrowi przestrzennemu
    • rzutu topograficznego źródła na elektrody.

Filtry przestrzenne dla SSEP

ICA jako filtr przestrzenny

ZADANIE: Identyfikacja artefaktów

Proszę pobrać dane:

Pochodzą one z eksperymentu w którym osoba badana czytała słowa o różnych właściwościach wzbudzania emocji.

  • wczytaj je do eeglaba
  • wczytaj lokalizację kanałów z pliku Arousal-10-20-Cap.locs
  • obejrzyj przebiegi czasowe
  • odrzuć kanał z diodą (21) i z GSR (20)
  • zrób dekompozycję ICA
  • obejrzyj topografię komponentów
  • zidentyfikuj komponenty odpowiadające mruganiu i aktywności mięśniowej.
UWAGA
Aktualnie do wykrywania komponentów artefaktowych warto posłużyć się wtyczkami do eeglaba dostępnymi przez stronę:

https://sccn.ucsd.edu/eeglab/plugin_uploader/plugin_list_all.php

  • ICLabel
  • MARA

W raporcie:

  • zaprezentuj fragmenty sygnału zawierającego artefakty oczne i mięśniowe przed i po zastosowaniu czyszczenia poprzez usuwanie komponentów zdominowanych przez artefakty.
  • zaprezentuj topografię i przebiegi czasowe komponentów zidentyfikowanych jako artefakty oczne i mięśniowe.