Nội dung được dịch bởi AI, chỉ mang tính chất tham khảo
Xem lại Tính Không Xác Định Độ Phân Giải của ERPs và Đỉnh Đầu Của ICA
Tóm tắt
Chúng tôi đề xuất một phương pháp thay thế để căn chỉnh các cực của các thành phần độc lập (ICs) cho phân tích nhóm cấp độ cụm IC. Các phương pháp hiện tại đang gặp hạn chế trong việc xử lý tính không xác định của các cực IC, ví dụ như khi nhân một ma trận trọng số với sự kích hoạt IC theo chuỗi thời gian, kết quả từ 1 × 1 và −1 × −1 là không thể phân biệt được. Chúng tôi đầu tiên làm rõ giải pháp mặc định của EEGLAB và định nghĩa nó như là tối đa hóa sự tương quan lặp lại vì nó tối đa hóa các tương quan trong cụm của các đặc điểm IC trên da đầu so với trung bình cụm. Sau đó, chúng tôi đề xuất phương pháp tối đa hóa hiệp phương sai, xác định cực của ICs dựa trên dấu hiệu của giá trị riêng lớn nhất của ma trận hiệp phương sai. Chúng tôi đã so sánh hai phương pháp trên các tập dữ liệu từ một nghiên cứu về tiềm năng sự kiện thị giác (ERP) đã được công bố. Kết quả tương tự khi cả hai phương pháp được áp dụng cho các đặc điểm IC trên da đầu. Tuy nhiên, khi phương pháp đề xuất được áp dụng cho ERPs IC, số lượng cụm cho thấy biên độ ERP đáng kể đã tăng từ 5 lên 9 trên tổng số 9 do sự giảm thiểu tình trạng hủy bỏ biên độ ERP trong cụm. Nghiên cứu của chúng tôi xác nhận rằng tối đa hóa hiệp phương sai cung cấp một giải pháp thay thế cho phân tích nhóm cấp độ sau ICA có thể tối đa hóa độ nhạy của ERP ICs.
Từ khóa
#Căn chỉnh cực #thành phần độc lập #phân tích cụm #tối đa hóa hiệp phương sai #tiềm năng sự kiện thị giácTài liệu tham khảo
Bell AJ, Sejnowski TJ (1995) An information-maximization approach to blind separation and blind deconvolution. Neural Comput 7:1129–1159. https://doi.org/10.1162/neco.1995.7.6.1129
Benjamini Y, Hochberg Y (1995) Controlling the false discovery rate: a practical and powerful approach to multiple testing. J R Stat Soc 57:289–300. https://doi.org/10.1111/j.2517-6161.1995.tb02031.x
Benjamini Y, Yekutieli D (2001) The control of the false discovery rate in multiple testing under dependency. Ann Stat 29:1165–1188. https://doi.org/10.1214/aos/1013699998
Collins DL, Neelin P, Peters TM, Evans AC (1994) Automatic 3D intersubject registration of MR volumetric data in standardized Talairach space. J Comput Assist Tomogr 18:192–205. https://doi.org/10.1097/00004728-199403000-00005
Cong F, Kalyakin I, Ristaniemi T, Lyytinen H (2008) Drawback of ICA procedure on EEG: polarity indeterminacy at local optimization. In: Katashev A, Dekhtyar Y, Spigulis J (eds) 14th Nordic-Baltic conference on biomedical engineering and medical physics. Springer, Berlin, pp 202–205
Courellis H, Mullen T, Poizner H et al (2017) EEG-based quantification of cortical current density and dynamic causal connectivity generalized across subjects performing BCI-monitored cognitive tasks. Front Neurosci 11:180. https://doi.org/10.3389/fnins.2017.00180
Delorme A, Makeig S (2004) EEGLAB: an open source toolbox for analysis of single-trial EEG dynamics including independent component analysis. J Neurosci Methods 134:9–21. https://doi.org/10.1016/j.jneumeth.2003.10.009
Delorme A, Palmer J, Onton J et al (2012) Independent EEG sources are dipolar. PLoS ONE 7:e30135. https://doi.org/10.1371/journal.pone.0030135
Doualot A, Achim A (2021) A polarity alignment method for group-averaging of event-related neural signals at source level in MEG beamforming applications. Brain Topogr 34:269–271. https://doi.org/10.1007/s10548-021-00829-1
Evans AC, Collins DL, Mills SR, et al (1993) 3D statistical neuroanatomical models from 305 MRI volumes. In: 1993 IEEE conference record nuclear science symposium and medical imaging conference. IEEE, pp 1813–1817
Kothe CA, Makeig S (2013) BCILAB: a platform for brain-computer interface development. J Neural Eng 10:056014. https://doi.org/10.1088/1741-2560/10/5/056014
Kriegeskorte N, Simmons WK, Bellgowan PSF, Baker CI (2009) Circular analysis in systems neuroscience: the dangers of double dipping. Nat Neurosci 12:535–540. https://doi.org/10.1038/nn.2303
Makeig S, Bell A, Jung T-P, Sejnowski T (1996) Independent component analysis of electroencephalographic data. Adv Neural Inf Process Syst 8:145–151
Miyakoshi M, Gehrke L, Gramann K et al (2021) The AudioMaze: an EEG and motion capture study of human spatial navigation in sparse augmented reality. Eur J Neurosci 54:8283–8307. https://doi.org/10.1111/ejn.15131
Miyakoshi M, Jurgiel J, Dillon A et al (2020) Modulation of frontal oscillatory power during blink suppression in children: effects of premonitory urge and reward. Cereb Cortex Commun. https://doi.org/10.1093/texcom/tgaa046
Miyakoshi M, Kanayama N, Iidaka T, Ohira H (2010) EEG evidence of face-specific visual self-representation. Neuroimage 50:1666–1675. https://doi.org/10.1016/j.neuroimage.2010.01.030
Onton J, Makeig S (2006) Information-based modeling of event-related brain dynamics. Prog Brain Res 159:99–120. https://doi.org/10.1016/S0079-6123(06)59007-7
Oostenveld R, Fries P, Maris E, Schoffelen J-M (2011) FieldTrip: open source software for advanced analysis of MEG, EEG, and invasive electrophysiological data. Comput Intell Neurosci 2011:156869. https://doi.org/10.1155/2011/156869
Palmer J, Kreutz-delgado K, Makeig S (2016) AMICA: an adaptive mixture of independent component analyzers with shared components
Piazza C, Miyakoshi M, Akalin-Acar Z et al (2016) An automated function for identifying EEG independent components representing bilateral source activity. In: Kyriacou E, Christofides S, Pattichis CS (eds) XIV Mediterranean conference on medical and biological engineering and computing 2016. Springer International Publishing, Cham, pp 105–109
Pion-Tonachini L, Kreutz-Delgado K, Makeig S (2019) ICLabel: an automated electroencephalographic independent component classifier, dataset, and website. Neuroimage 198:181–197. https://doi.org/10.1016/j.neuroimage.2019.05.026