Link Search Menu Expand Document

プラグインソースコードを表示するには、プラグインのコードをご覧ください GitHubリポジトリ.

ARfitStudioとは?

まずは、 Afit は Tapio が開発した Matlab モジュールのコレクションです。 シュナイダーとアーノルド・ノイマイヤーは、多変量体のパラメータを推定 オートレグレッシブ(AR)モデル、適合したARモデルの診断チェック、および 装着したARモデルのeigenmodeを分析します。 このプラグイン、ARfitStudio、使用 TMS 誘発のショートバースト (5-10 ms) を相互に清掃できるようにします。 アーティファクトなど。 アーティファクトの性質は重要ではありません(カルド) 限りアーティファクト、ゼロス、NaNs、等であることができます)、 アーティファクトの長さは短く、正しくマークされています。 それは持っています 次の点の強度。

  • クイックを実行する(例えば、スマートepoching & 継続的な統合 mcolon() を使用してデータ; 1 つとの修正前後の比較 クリック等、直感的(例:トレーニング、補正、ブレンド) 窓はspikyの壮大な媒体ERPs)の訂正でoverlaid アーティファクト。
  • 連続データをインポートした後、すぐに使用可能です。 前処理パイプラインの非常に最初の段階。

このプラグインはARfitとmcolonに依存しています。 ARfitはインストールできます EEGLABプラグインマネージャからSIFTをインストールします。 mcolon() を使用するには、ユーザ mex ファイルをコンパイルする必要があります。

http://www.mathworks.com/matlabcentral/fileexchange/174-arfit http://www.mathworks.com/matlabcentral/fileexchange/29854-multiple-colon/content/mcolonFolder/mcolon.m

なぜARfitStudioなのか?

高振幅でスパイクのアーティファクトがある場合、フィルタリングはできません。 データ(タイムドメインにスパイクが広がるため) 特定の状況では、 データプロセスの日本酒に無害に取り組むことがより重要である。 下の信号を回復するのではなく(後者は頻繁にあります 不可能)。 このプラグインはソリューションを提供します。

作品紹介

トレーニング期間(緑)から自動進行モデルを学びます。 スパイクの過去です, 問題の交換を予測するために スパイクのデータポイント(赤)。 円滑な関係のために、一つはまた置くことができます 予測信号中のオプションブレンド期間(ライトマゼンタ) リニアゲレンデでオリジナルの信号を徐々に混合します。 したがって、 このプラグインは、過去の情報を使って悪いデータポイントを置き換える (熱心な一時的な補間)。 下の信号を回復しません ノイズ。 複数のマーカーを補正用に選択できます。 メインページ すべてのチャンネルのプロット、グランドメディアERPが表示されます。 保存する その結果、EEGデータセットを保存します(「最後のデータを復元する」をチェックしないでください)

スクリーンショット

![300px]|フィギュア1.インターポレートスパイク: GUI:(画像/スクリーンショット3_interpolatespike.png)

![600px]|フィギュア2.インターポレートスパイク: 前のページへ 修正:(画像/スクリーンショット2_interpolatespike.png)

![600px]|フィギュア3.インターポレートスパイク: アフター 修正:(画像/スクリーンショット1_interpolatespike.png)

マイケル・ボリッチ氏によるデータ

ICAを最終解析に使用する場合

このARfitベースの補間が同時に行われるため ICAは、この期間を分解することはできません。 結果として、 ICの活発化(すなわち、EEG.icaact)の奇妙なスパイクが見られます 修正ウィンドウ。 下のプロットでは、ICの1ERPを表示しています。 チャンネル(左)にARfitStudioで33chの活性化、2) 同じですが、ARfitStudioはIC(右)に適用される。 ノイズはもともと -/+10 ms以内に遅延ゼロに存在する。

Onchannels.pngの特長 オニックス.png

ICAのARfit-interpolationを適切に実行することは複雑です。

  1. インポートデータ。
  2. チャンネルでARfitStudioを実行します。
  3. データ(ハイパスフィルタ、CleanLineプラグイン、 clean_rawdataプラグイン、平均参照、AMICAプラグイン、DIPFIT プラグイン, FitTwoDipoles プラグイン). あなたが除外する必要があることに注意してください ICAプロセスからの補間データ(複数の変数を持たない) チャネルを越えるプロパティ, ので、分解できません).
  4. ARfitStudioをICアクティベーションで実行します。
  5. バックプロジェクトは、チャネルデータを再構築するためのIC活性化を補います。

ARfitStudioは2回使用しており、最初のアプリケーションは ICAでは、様々なフィルタのみを目的としています。 このようにして、 クリーンチャンネル信号とIC活性化の両方を得ることができます。 細部のため、 ダウンロードパッケージに含まれている’batchDemoForICA.m’を参照してください。 おすすめ あなたがしなければならないいくつかの面倒なステップがあるので、あなたは見てみましょう

バッチユーザー(03/11/2019更新)

プロセスをバッチとして実行したい場合は、

  1. EEGLAB関数 pop_epoch() を使用して、peri-event のデータポイントをクロップアウトします。 すべての負のレイテンシーが学習期間として使用されることに注意してください ARfit 用。
  2. arfit2interpolate() を使用します。 最後の入力に注意 ‘last_n_points の一覧 ToBlend’ は、追加の長さを指定しない 主要な補間ウィンドウにデータポイント(GUIとして) 操作は示します)、しかしそれは実際に最後のデータ ポイントを指定します メインの補間ウィンドウ。 例えば、出力データ= arfit2interpolate(EEG.data, [80 95], 5) は、[80:90] を100% 補間、[91:95] は [83% 67% 50% 33% 17%] とブレンドされます。 補間されたデータと混合される [17% 33% 50% 67% 83%] の それぞれ元のデータ。
  3. putBackEpoch2Continuous() を使用して、修正された epoched を再構築します。 連続データへのデータ。

参考文献

A. NeumaierとT.シュナイダー、2001:パラメータの推定と 多変復的なモデルのeigenmodes。 ACMについて トランス。 数学。 ソフト、27-57

T. シュナイダーとA. Neumaier, 2001: Algorithm 808: ARfit – Matlab 多variateの変数そしてeigenmodesの推定のためのパッケージ 自動回帰モデル。 ACMについて トランス。 数学。 ソフト、27、58-65。

作者:Makoto Miyakoshiとムレン。 SCCN株式会社、UCSD