9: Виправлення артефактів з незалежним аналізом компонентів

Last updated

Oct 27, 2022
Save as PDF
- 8.19: Ключові висновки та посилання
- 9.1: Дані для цієї глави

$\newcommand{\vecs}[1]{\overset { \scriptstyle \rightharpoonup} {\mathbf{#1}} }$

$\newcommand{\vecd}[1]{\overset{-\!-\!\rightharpoonup}{\vphantom{a}\smash {#1}}}$

$\newcommand{\id}{\mathrm{id}}$

$\newcommand{\Span}{\mathrm{span}}$

$\newcommand{\kernel}{\mathrm{null}\,}$

$\newcommand{\range}{\mathrm{range}\,}$

$\newcommand{\RealPart}{\mathrm{Re}}$

$\newcommand{\ImaginaryPart}{\mathrm{Im}}$

$\newcommand{\Argument}{\mathrm{Arg}}$

$\newcommand{\norm}[1]{\| #1 \|}$

$\newcommand{\inner}[2]{\langle #1, #2 \rangle}$

$\newcommand{\Span}{\mathrm{span}}$

$\newcommand{\id}{\mathrm{id}}$

$\newcommand{\Span}{\mathrm{span}}$

$\newcommand{\kernel}{\mathrm{null}\,}$

$\newcommand{\range}{\mathrm{range}\,}$

$\newcommand{\RealPart}{\mathrm{Re}}$

$\newcommand{\ImaginaryPart}{\mathrm{Im}}$

$\newcommand{\Argument}{\mathrm{Arg}}$

$\newcommand{\norm}[1]{\| #1 \|}$

$\newcommand{\inner}[2]{\langle #1, #2 \rangle}$

$\newcommand{\Span}{\mathrm{span}}$

Цілі навчання

У цьому розділі ви навчитеся:

Концептуалізуйте виправлення артефактів з точки зору головної мети вашого дослідження та конкретних проблем, які створюють артефакти, коли ви намагаєтеся досягти цієї мети.
Розкласти ЕЕГ на набір незалежних компонентів (ІС), визначити ІС, що представляють артефакти, і реконструювати ЕЕГ без штучних ІС
Застосовуйте спеціальні етапи попередньої обробки для отримання оптимальних мікросхем
Оцініть ефективність процедури корекції артефакту як з точки зору якості даних, так і з точки зору плутанини
Розумно вибирайте, які мікросхеми слід видалити з ваших даних

У цій главі пояснюється, як використовувати незалежний аналіз компонентів (ICA) для виправлення певних видів артефактів (особливо моргає та рухів очей). Виправлення артефактів на основі ICA - справжня знахідка для експериментів, в яких відмова від артефакту викине занадто багато випробувань. І це може покращити якість даних для інших експериментів, дозволяючи включити більшість або всі випробування в ваші усереднені ERP.

Однак виправлення артефактів на основі ICA масово змінює ваші дані. Кожна точка даних впливає. І якщо зробити це неправильно, ICA може погіршити ваші дані і привести до неправильних висновків. Це трохи схоже на використання зворотного спалювання для боротьби з лісовою пожежею (тобто, починаючи контрольовану пожежу, щоб усунути паливо для лісової пожежі). Якщо ви не будете обережні, це може вийти з-під контролю і пошкодити те, що ви намагалися врятувати. Ви дійсно повинні знати, що ви робите з ICA, щоб отримати найкращі результати і уникнути опіку.

Перш ніж я написав цю главу, я багато читав, щоб переконатися, що я був в курсі і що стратегії, описані в цьому розділі, будуть відображати поточний стан мистецтва. Я також витратив багато часу, застосовуючи ICA до даних ERP CORE і ретельно оцінюючи результати. Група Makeig в UCSD все ще є світовими експертами з виправлення артефактів на основі ICA, тому багато з того, що я пишу в цьому розділі, базується на їхніх рекомендаціях. Документація ICA EEGLAB є відмінним ресурсом, особливо відео, створених Арно Делормом. Сторінка неформальних порад від Макото Міякоші (називається трубопровід попередньої обробки Макото) також надзвичайно корисна. Рекомендую ознайомитися з цими джерелами після прочитання цієї глави. Я також рекомендую прочитати загальний огляд виправлення артефактів ближче до кінця глави 6 удачі (2014), разом з онлайн-доповненням до цієї глави.

Коли ви читаєте цю главу, майте на увазі, що кінцева мета виправлення артефактів така ж, як кінцева мета виявлення артефактів, яка полягає в тому, щоб точно відповісти на наукове питання, для вирішення якого був розроблений експеримент. Крім того, слід пам'ятати про три основні проблеми, які нам потрібно вирішити при відхиленні та корекції артефактів: зниження статистичної потужності в результаті підвищеного шуму, систематичні плутанини та проблеми сенсорного введення.