ERP_07源分析和成分分析北师大课程.ppt

这里我们得到了：3_ICA.set 通过ICA分析，我们可以获得眨眼、水平眼动的活动的源成分， 以及这个源成分的活动模式。 那么，当我们去掉这两个源成分的活动时， 剩下的数据就是没有眼动影响的、干净的脑电活动了。 好的条件下，我们可以排除掉所有的伪迹、包括眼电，最终取得干净的数据。 但是如果被试有过量的眼动，而排除掉有眼动的数据会使可用的数据量过少时，我们就需要做眼电校正。 一些实验情况下，有眼动的数据必须进行排除而不是校正。这就需要根据实验刺激的属性、实验目的等来判断，能否接受校正过的数据。 那么哪些成分是与眼动有关的呢？ 好的ICA分析2D图： 首先脑外没有分布；其次有集中的峰值。 怎样确定：某成分是眨眼的源成分，某成分是水平眼动的源成分，而别的成分都不是呢？ 这里我们通过对比成分波形图与位置波形图来确定。 源成分1的活动变化与垂直眼动的电压变化相吻合 源成分8的活动变化与水平眼动的电压变化相吻合 去掉对应的源成分后， 它自动会计算新的EEG波形。 得到： 4_ICA without 1 8.set 去掉眼电成分前的EEG波形 去掉眼电成分后的EEG波形 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 Calculation Head Model Sensors Model Source Model Data (measured) 影响定位准确性的因素 信号传导问题 头颅不规则性 发放源深浅 操作因素：分析时间的选择、头模型和偶极子模型的选择 溯源分析软件 Curry Besa Geosource ICA 溯源分析需要的4个文件 功能数据：.avg 解剖数据：.img 电极位置：.3dd 解剖标志位置：.pom 创建BEM头颅模型 我们先读入了最原始的文件： 1_nback.cnt (nback是我们这个实验的名称) 只有EEGLAB系统，可以很好的的进行ICA分析， 从而很好的达到我们的目的： 去掉眼动对脑电造成的影响——眼电校正 所以我们在EEGLAB系统中做接下来的分析。 所导入的数据的一些基本信息。 这里我们得到了： 1_nback.set 定义电极位置。 由于NS电极位置使用标准名称，所以按照默认设置导入即可。 前面提到过，进入ICA分析的数据，需要： 1，干净、无误的数据； 2，具有统一的参考点的数据。 所以，这里我们首先要去掉坏电极。 坏电极首先是在数据记录过程中发现的异常电极， 然后是ICA分析后发现的异常电极。 由于NeuroScan中，HEOG与VEOG均是双极参考，所以也要去掉。 （EGI系统中不存在这个问题） NS系统里似乎只能标注去掉什么样的电极而不能完全删掉它，而对坏电极的标记在进入EEGLAB时又消失了，所以还是推荐在EEGLAB中进行这一步。 这里我们得到了： 2_without P8 T7 H V.set 独立成分分析(Independent Component Analysis，ICA)是近期发展起来的一个新的数据及信号分析方法，是一种将源信号从混合信号分离出来的信号处理技术。 这里我们假设， 每个电极位置的头皮都是一个脑电的源成分，并通过分析每个电极记录到的电压，用ICA方法计算每一个源成分的活动情况。 我们通过计算电极Channel所记录下的电压变化的情况，得到电极活动的源成分Components的活动情况。