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.

(クリックしてプレゼンテーションスライドをダウンロード) スライドは、第31回EEGLABワークショップ、第2回「時間頻度と接続分析」(11月30日、2021年)からあります。 作品は、宮古志摩と真琴によるものです。

EEGLABのPowPowCATプラグイン

それは何をするか:

  • それは内部ICの相互頻度力のカップリングを計算します (covariance) ‘comodugram/comodulogram’ と呼ばれる (以下参照) 単一試行の連続的なICの活発化のため。
  • 前処理パイプラインは次のとおりです。
  • Matlab の spectrogram () を実行します(Matlab 信号が必要です) スペクトログラムとパワースペクトラムを計算するツールボックス 密度(PSD)は1秒のウィンドウを使用して、その温度平均として50% オーバーラップと修正済み () logarithmical-spaced 周波数 bins.
deviationFromLog = 5;
freqBins = logspace(log10(1+deviationFromLog), log10([user_input_value]+deviationFromLog), 100)-deviationFromLog;
  • EEGLABで境界イベントを見つけ、含まれているチャンクを削除 境界線。
  • すべてのチャンクを網羅して堅牢なスペクトルを計算し、 洗浄のためのチャンクの20%を捨てる分散を計算します。
  • 相互周波数パワースペクトラムの計算式係数 すべてのIC( 前選択ICが推奨されますので、こちらを参照してください。 方法 効率的に行います。)
  • 分裂統計をランダム化して実行するチャンク (i.e.) datapoint) は各周波数の bin がビルドするごとに異なるインデックス 時間の頻度データを代理し、同じ共varianceを適用して下さい これらのプロセスを5,000回繰り返します。 最後に、 観察値(実際の値)の共鳴値がテストされます。 非パラメトリック方式による代理分布 stat_surrogate_pvals(). 複数の比較修正の場合、false 検出速度(FDR)は、すべてのICとすべてのピクセルで計算されます。
  • マウスカーソルを使うと、周波数頻度のプロットを探索できます。 インタラクティブで直感的に。 周波数範囲の組み合わせ および選択した組み合わせの相関係数 詳細はこちら
  • 2つの周波数のサブサンプル時間コースは、 左下プロット。
  • 2つの時間系列データのスキャッタープロットが表示されます。

参照のペーパーおよびerratum

[Thammasan N, ミヤコシM. (2020)] クロス周波数パワーカップリング 分析:ICA分解を分類する有用な十字頻度測定 センサー 20:7040 .)https://www.mdpi.com/1424-8220/20/24/7040)

ここでは、erratum です。 上記の紙の中の方程式の(1)は正規化の用語1/kを欠きます。 悪すぎる 公開前に見つけられなかった!

使い方

デフォルトgui.png

  1. 左上のパネルで、電極データを分析するか、または ICA分解データ
  2. Hzの上の周波数制限を入力します。
  3. パラメトリック方式(ピアソンの相関係数)または 非パラメトリック方式(スピアマンの相関係数) parametric メソッドは、感度が高いが、outlier に敏感です。 非パラメトリック方式は堅牢で、感度が低下します。 詳しくはこちら 詳細は、当紙(Thammasan and Miyakoshi, 2020)をご覧ください。
  4. パーマテーションテストの反復の数を設定します。 デフォルトは 5,000.
  5. 「Precompute」ボタンを押して、事前に入力します。 しばらくの間、データがどのくらいの時間であるか、そして何 電極/ICがあります。
  6. (オプション) プリコンプトが完了すると、ボタンを押します。 最初の35の電極/ICを表示するためのトップミドルパネル 結果の概要。
  7. 右上のパネルで、電極/ICのインデックスを入力して表示します。 主要なインタラクティブなプロット パネルの結果。 あなたが表示されます 生相関係数、p<0.05とp<0.01でマスクされたもの 誤った発見率(FDR)補正後。

コマンドラインからのバッチ処理

プラグインパッケージには、EEG や他の 4 を取る calc_PowPowCAT() が含まれています。 入力および出力として変数 EEG の構造は含んでいます EEG.etc.PowPowCAT は、PowPowPowCAT のプリコンプット変数が見つかります。

結果比較

これらは、選択した独立したコンポーネント(IC)です。 ICLabel 生成された確率的ラベル。

Scalptopos.pngの特長

PPC Pearsonの相関係数の比較はこちら (左)スピアマンの相関係数(右) 入力データ 継続的だった。 Comodulogram は FDR 補正で保持されます p<0.01。 comodulogramでは、11.5Hz-23.0 Hz を選択します。 ノートピアソン 相関性はもう少し敏感です。 ピアソンの相関は スピアマンの相関しながら、アウターの20%を除去した後に計算 堅牢なので、データ拒否は適用されません。

連続的な_pearson.png連続的な_pearson.png

同一のデータと同一の比較。 コモジュグラムはあります FDR が誤った p<0.05 で保持されている。 comodulogramでは、11.5Hz-23.0Hz 選択します。 epochedデータの感度が低下することに注意してください 分析。

Epoched_pearson.png _ 株式会社ドリテックEpoched_pearson.png _ 株式会社ドリテック

連続データ解析とエッチングデータの違いは、 前者の場合、50%のオーバーラップで1秒のスライドウィンドウが適用されます。 スペクトグラムを取得します。, 後者のために, 各エポックは、ウィンドウとして提供 分析する。 一般的には、戻るのがおすすめです。 連続的なデータおよび分析を適用して下さい。 結果から 「境界」イベントをキャプチャするスライディングウィンドウ計算は、 境界効果を避ける。

デモンストレーション

EEGLABワークショップチュートリアルデータ ‘stern_125.set’ を解析しました。連続71chのデータは50Hzでろ過されたローパスおよび非brain ICでした 手動で拒否されました。 結果は以下です。

Stern125_scalptopos.pngの特長 ポwpowcatfigure2.png

例えば、IC6とIC8は頭皮のトポグラフィの面で似ています そして頻度スペクトル。 しかし、十字周波数を比較すると 力の相関、相違はより明確です。 違いを比較する 10Hz-20Hzは左下の箱のbewtween IC6およびIC8のピークを置きます。

Ic6vs8_redone.png リリース ポwpowcatfigure5.png Powpowcatfigure6_redone.png _ フィードバック

解析は、複雑な相互周波数パワーカップリング構造を明らかにしました IC15およびIC21で。 例えば、IC15は11Hz、22Hz、33Hzおよび44Hzを示しました 第2、第3、第4の調和としてピーク。 第4回高調波ができることに注意 腐食係数のプロットでより明確に見られた PSDのプロット、検出するこの方法のよりよい感受性を示す クロス周波数パワーカップリング構造。

ポwpowcatfigure7.png

グループレベルの分析 (12/29/2021追加)

ニック・ドカリスは、この分裂の部分を開発するために私を雇った. 公衆利用のために寄付(Thanks Nick!) 最初のステップは、複数の .set ファイルにバッチ処理を適用することです。 このことができます。 バッチモードを使って行います。 PowPowCATメニューから、2番目の項目をクリックします。

ショット1.png

次のサブウィンドウを開きます。

ショット2.png

この段階では、電極データとICA分解データの両方が利用可能です。 計算の結果は EEG.etc.PowPowPowCAT で保存されます。 注意: このバッチ プロセスは、exising .set ファイルを上書きします。 注意して、 対象となる .set ファイルは 1 つのフォルダーにある必要があります。

バッチ処理が完了したら、次のステップに進みます。 今から、 ソリューションがダイポールを使用するため、ICA分解結果のみがサポートされています。 密度のプロット。

ショット3.png ショット4.png

このサブウィンドウで、最初にトップボタンを押します。 これはユーザーが選択するように促します すべての事前入力されたデータ。 含めるすべてのデータを選択することで、 最適なクラスタリングの次の計算を自動的に開始します。 それは取るかもしれません 数分。 その後、次の結果レポートがポップアップ表示されます。

ショット5.png

これらのプロットは、数値の最適な評価から結果を表示します クラスターは5から15までさまざまです。 3つの人気基準があります k-means アルゴリズム。 青色の点で最適な点を強調しています。 例えば、シルエットのインデックスがそこにわずかなピークを示すので、私は11を選ぶ。 会社概要 この決定は、デフォルト番号は5から11に変更されます。 あなたが望むなら、部分 結果の出力はExcelファイルフォーマットで指定することで出力できます 出力フォルダ(下押しボタンと編集ボックス)。

ショット6.png

「結果を可視化する」ボタンを押して、クラスタリング結果を生成します。

ショット7.png

デフォルトでベースワークスペースにMatlab変数PowPowCATを生成します。 これは基本的にすべての結果が含まれている構造変数です。 ユーザー定義のクラスターの最適数。 オプションのファイルエクスポートも 要求される、それは出力の部分に救います:データセットID、選択されたICのインデックス、 対応するクラスターインデックス。

ショット8.png

参考文献

[Thammasan N, ミヤコシM. (2020)] クロス周波数パワーカップリング 分析:ICA分解を分類する有用な十字頻度測定 センサー 20:7040 .)https://www.mdpi.com/1424-8220/20/24/7040)

Llinás RR、Ribary U、Jeanmonod D、Kronberg E、Mitra PP。 (1999)。 解剖学的 dysrhythmia: 神経質および神経精神科症候群 マグネロエンセファログラフィーによって特徴付けられる。 ※Proc Natl Acad Sci USA* は、米国にてご確認いただけます。 96:15222-15227

ステルマンMB、カイザーD.(2000)。 調整: 新しいQEEG分析メトリック 中央の構造的および機能的障害の評価のため 神経系。 神経療法のジャーナル。4:73-83。

Buzsaki G、Buhl DL、Harris KD、Csicsvari J、Czeh B、Morozov A.(2003)。 マウスでのアクティビティのHippocampalネットワークパターン。 神経科学 116:201-211.

Csicsvari J、Jamieson B、Wise KD、Buzsaki G.(2003)。 ガンマのメカニズム 救命ラットのHippocampusの振動。 Neuron。 37:311-322.

シーザーRW、バイバーCJ、ノースDM。 (2004)。 EEGと脳の接続性: A チュートリアル。 ※未公開原稿、PDF対応可

Sullivan D、Csicsvari J、Muzuseki K、モンゴメリーS、Diba K、Buzsaki G。 (2011). ヒポカンカルな鋭い波、さざ波および事実間の関係 ガンマの発振: デンタルトとエントルヒンルコルティカルの侵入 活動。 神経科学ジャーナル。31:8605-8616。

Buzsaki G, 王 X-J. (2012). ガンマオシレーションのメカニズム。 アンヌ・レフ Neurosci. 35:203-225.

ジルサV、ミュラーV。 (2013)。 実質および事実上の十字頻度カップリング 脳ネットワーク。 神経科学のフロンティア 7:78.

Zobay O, アドジャマイアン P. (2015). Source-Space クロス周波数 Tinnitusの振幅振幅のカップリング。 バイオメド研究 国際. 2015:489619.

Yeh C-H, Lo MT, Hu K. (2016). 洗練されたクロス周波数 非文脈、非線形信号の広さの結合。 物理A. 454:453-150.

アクノレッジメント

Gyorgy Buzsaki と Tim Mullen 博士の感謝を申し上げます。 有益なコミュニケーション。

(このページはMakoto Miyakoshi著)