Предварительная обработка EEGLAB для данных ЭЭГ сна
У меня есть 29-канальные данные ЭЭГ из ночных записей сна (~8 часов данных ЭЭГ). Данные ЭЭГ не являются непрерывными, так как я сделал паузу, если субъект должен был сделать перерыв (~5-10 минут) или проверить импеданс (~2 минуты). Это вставляет "граничное событие" в мои данные ЭЭГ. В некоторых случаях я также повторно применял пару электродов, если импеданс был высоким. Кроме того, иногда мне приходилось останавливать запись ЭЭГ и начинать заново из-за некоторых технических причин, из-за которых у меня есть два файла ЭЭГ для одного и того же объекта в течение одной ночи, т.е. одного сеанса.
В моем эксперименте у меня было 15-20 событий за ночь, и я планирую использовать 1-2-минутные данные перед каждым событием для предварительной обработки и анализа. Я хотел бы использовать ICA для исправления артефактов, но прежде чем я это сделаю, я хотел бы знать, нужно ли разбивать данные по каждому "граничному событию" и обрабатывать их как отдельные файлы EEG? Или я могу просто рассмотреть запись ЭЭГ от каждого субъекта как отдельную запись ЭЭГ и выполнить ICA (я могу добавить файлы ЭЭГ в тех случаях, когда у меня есть два файла ЭЭГ на субъекта в одном сеансе)? Буду очень признателен за любые предложения, так как я новичок в EEG и MATLAB.
1 ответ
Вы можете найти подробный комментарий по вашей проблеме здесь https://sccn.ucsd.edu/pipermail/eeglablist/2014/007380.html
Изменение импеданса электрода вводит нестационарность сигнала, что может повлиять на ВСА. Однако ICA кажется устойчивым к такого рода нарушениям, поэтому вы можете объединить все сеансы и запустить ICA.
Скорее проблема может заключаться в том, что электроды перемещались во время перерывов (ICA является пространственным фильтром, поэтому пространственное высвобождение очень важно. См. Также здесь https://sccn.ucsd.edu/pipermail/eeglablist/2016/011878.html).,
В качестве личного комментария я бы использовал "эмпирический" подход, чтобы лучше понять данные и проблему. В EEGLAB вы можете легко написать сценарий и выполнить два параллельных анализа, сохраняя все равными, за исключением разложения ICA (один для объединенных данных, один для данных, разделенных для сеансов). Затем вы можете сравнить разницу данных на последнем шаге. Таким образом, вы сможете оценить, как различные стратегии повлияли на ваши результаты, и действительно ли это важно.