EEGLABの解析

これらの関数は直接ユーザーによって呼び出されます。これらの関数を簡潔に記述します。 MATLAB は、現在、 std_ は、 STUDY または EEG は、チャネルまたはクラスターに直接信号処理および/またはプロットを実行活動内容関係なく、記述するチュートリアルの部分で文書を調べるのは自由です STUDYについて.

トピックス

STUDYについて

STUDY は、 pop_study.m で多くの研究を造る必要がある場合や、 STUDY に参加する

*STUDY構造は、 STUDYチェック機能(STUDYチェック機能)std_checkset.m は、) 複数のチェックを実行して、それが表しているデータセットと互換性を保つことができます。だからこの機能変更を解除する可能性があります(コマンドラインで警告が発行されます)。データセットを自分で変更して達成できることが多い STUDYをフォローする構造。

MATLABは、 GUI-equi同等主義者 std_editset.m は “5subjects” の使い方詳しくはこちら) それからあなたが不圧縮したフォルダへのパスを変更します。このページで使用されるコードスニペットは、 ._script.m 学習

[STUDY ALLEEG] = std_editset( STUDY, [], 'name','N400STUDY',...
        'task', 'Auditory task: Synonyms Vs. Non-synonyms, N400',...
        'filename', 'N400empty.study','filepath', './',...
        'commands', { ...
      { 'index' 1 'load' 'S02/syn02-S253-clean.set' 'subject' 'S02' 'condition' 'synonyms' }, ...
      { 'index' 2 'load' 'S05/syn05-S253-clean.set' 'subject' 'S05' 'condition' 'synonyms' }, ...
      { 'index' 3 'load' 'S07/syn07-S253-clean.set' 'subject' 'S07' 'condition' 'synonyms' }, ...
      { 'index' 4 'load' 'S08/syn08-S253-clean.set' 'subject' 'S08' 'condition' 'synonyms' }, ...
      { 'index' 5 'load' 'S10/syn10-S253-clean.set' 'subject' 'S10' 'condition' 'synonyms' }, ...
      { 'index' 6 'load' 'S02/syn02-S254-clean.set' 'subject' 'S02' 'condition' 'non-synonyms' }, ...
      { 'index' 7 'load' 'S05/syn05-S254-clean.set' 'subject' 'S05' 'condition' 'non-synonyms' }, ...
      { 'index' 8 'load' 'S07/syn07-S254-clean.set' 'subject' 'S07' 'condition' 'non-synonyms' }, ...
      { 'index' 9 'load' 'S08/syn08-S254-clean.set' 'subject' 'S08' 'condition' 'non-synonyms' }, ...
      { 'index' 10 'load' 'S10/syn10-S254-clean.set' 'subject' 'S10' 'condition' 'non-synonyms' }, ...
        { 'dipselect' 0.15 } });

上記では、コマンドの各行がデータセットをロードします。

最後の行同等のダイポールモデルが15%未満のコンポーネントを選択コンポーネントのスカルプマップからの残留分散。詳細は std_editset* を参照してください。

データセットへのパスについて上のコードは相対パスです。その後、同じコードを実行する snippet,MATLABの現在のディレクトリ,データセットは、現在に至る。

STUDY 構造 (または STUDY) は、 STUDY 構造と対応 ALLEEG は、 MATLAB ワークスペースは

タイピング >> MATLABの STUDY は、

>> STUDY =

  struct with fields:

          history: 'STUDY = []; [STUDY ALLEEG] = std_checkset(STUDY, ALLEEG);'
          datasetinfo: [1×10 struct]
          name: 'N400STUDY'
          task: 'Auditory task: Synonyms Vs. Non-synonyms, N400'
          notes: ''
          filename: 'N400empty.study'
          filepath: '.'
          subject: {'S02'  'S05'  'S07'  'S08'  'S10'}
          group: {}
          session: []
          condition: {'non-synonyms'  'synonyms'}
          etc: [1×1 struct]
          cache: []
          preclust: [1×1 struct]
          cluster: [1×1 struct]
          changrp: [1×61 struct]
          design: [1×1 struct]
          currentdesign: 1
          saved: 'yes'

conditionsは必須項目です。(synonymsとnon-synonyms)は、EEGLABは2つの条件を構成しています。 std_makedesign.m の使い方で EEGLABのデザイナーがデザインを手がける eegh.m 関数)。デザインを作成するためのイベント情報を追加する場合は、チュートリアルのセクションを参照してください。グループ分析のためのイベント情報の追加.

チャネル対策の計算とプロット

コンピューティング対策

関数を使う pop_precomp.m 関数 (関数を呼び出す) std_precomp.m は、チャネル対策を優先します。例えば、次のコードは、コンピューティング用のグラフィックユーザーインターフェイスを呼び出しますチャネルにおける対策

 >> [STUDY ALLEEG] = pop_precomp(STUDY, ALLEEG);

コマンドラインから優先措置を使用する場合は、以下のコードスニペットがすべてのデータセットのERP計算を補います。

>> [STUDY ALLEEG] = std_precomp(STUDY, ALLEEG, 'channels', 'erp', 'on', 'erpparams', {'rmbase' [-200 0]});

プロット対策

同じ機能を使って結果をプロットすることができます。コンポーネントクラスタ用注文する ‘Oz’, 試す.

>> STUDY = std_erpplot(STUDY, ALLEEG, 'channels', {'Oz'});

ダウンロード:Erp_chann_oz

出力変数をヘルプメッセージに記述したように追加することでデータを取得できます。 std_erpplot.m は、関数は std_plotcurve の関数をリプロットします。

[STUDY erpdata erptimes] = std_erpplot(STUDY, ALLEEG, 'channels', {'Oz'}, 'timerange', [-200 1000]);
std_plotcurve(erptimes, erpdata, 'plotconditions', 'together', 'plotstderr', 'on', 'figure', 'on', 'filter', 30);

上記のように、 std_plotcurve.m の使い方関数は付加的な持っています標準的な間違いをプロットする変数はから利用できません EEGLABの出力 std_erpplot.m は、また、追加で制御することもできますネイティブパラメータ std_erpplot.m は、そして、 pop_erpparams.m 関数.

たとえば、追加通知 timerange は、レイテンシの範囲で設定できます。 200〜1000ms。

ダウンロード:Erp_chann_oz

グラフィックインターフェイスをプロットするチャンネルから他のコマンドを試し、履歴で返されたものを見る (eegh.m 経由)。

その後の処理のための計算された対策の取得

STUDYプロット、プロット結果がわかる STUDY プロット関数を実行すると、 MATLAB は、STUDY は、この関数の助けを見てみましょう。通常は追加可能です追加パラメータ。

例:EEGLAB 次の次の

>> STUDY = std_erpplot(STUDY,ALLEEG,'channels',{ 'FP1'});

取得結果は2つで、EarPデータとERPの2つを出力します。時間値、続くように:

>> [STUDY erpdata erptimes] = std_erpplot(STUDY,ALLEEG,'channels',{ 'FP1'}, 'noplot', 'on');

erpdata 開発者がERPデータを取得しています。また、STUDY がデザインするので、第2弾の写実体をデザインする STUDYの細胞(synonyms)。

>> figure; plot(erptimes, erpdata{2});

小さなスクリプトは、小さな研究で時間頻度分解を計算します。また、データセットで時間の頻度分解を比較します STUDYをクリアする

% Compute newtimef on first dataset for channel 1
options = {'freqscale', 'linear', 'freqs', [3 25], 'nfreqs', 20, 'ntimesout', 60, 'padratio', 1,'winsize',64,'baseline', 0};
TMPEEG = eeg_checkset(ALLEEG(1), 'loaddata');
figure; X = pop_newtimef( TMPEEG, 1, 1, [TMPEEG.xmin TMPEEG.xmax]*1000, [3 0.8] , 'topovec', 1, 'elocs', TMPEEG.chanlocs, 'chaninfo', TMPEEG.chaninfo, 'plotphase', 'off', options{:},'title',TMPEEG.setname, 'erspmax ',6.6);

% Compute newtimef for all datasets and plot first channel of first dataset
[STUDY, ALLEEG] = std_precomp(STUDY, ALLEEG, 'channels','recompute','on','ersp','on','erspparams',{'cycles' [3 0.8] 'parallel' 'on' options{:} },'itc','on');
STUDY = std_erspplot(STUDY,ALLEEG,'channels',{TMPEEG.chanlocs(1).labels}, 'subject', 'S02', 'design', 1 );

以下のスクリプトの結果(プロットをクリックしてカラースケールを調整するサイドパネルを削除します)。同じ機能で結果が同じであることは驚くべきことではありませんどちらのケースでも使われています。

![ボーダー

700px](/assets/images/newtimef_res.png)

統計結果の取得

統計を計算できる全てのプロット機能は、出力中の統計配列。最初に統計を有効にする必要がありますグラフィックインターフェイスから、またはコマンドラインコールを使用する。

条件統計を計算するインスタンスの場合、タイプ:

>> STUDY = pop_statparams(STUDY, 'condstats', 'on');

それから、与えられたチャネルのために、タイプして下さい:

>> [STUDY erpdata erptimes pgroup pcond pinter] = std_erpplot(STUDY,ALLEEG,'channels',{ 'FP1'});

今、タイピング:

>> pcond

    pcond =
        [820x1]

配列は、毎回820 p 値、1つを呼び出します。

返される統計の種類は、パラメータに依存することに注意してください。 ERP パラメータグラフィックインターフェイスで選択します。選択された permutation 値、surrogate オブジェクト p 値データが返されます。

pgroup と pinter の配列は、グループとグループを構成します。 ANOVAの利用規約あります。

その他の機能など std_specplot.m は、, std_erspplot.m は、と std_itcplot.m は、アクション同様の方法(詳細については、関数ヘルプメッセージを参照してください)。より多くの制御のために、また直接呼ぶことができます注意して下さいスタコンド。 m 点は、関数、erpdata をセル配列にあります。入力。ヘルプメッセージを見るスタコンド。 m 点この件名にもっと役立つ機能(このページの最後に例も参照)。

他のソフトウェアパッケージで処理する結果を保存する

SPSS、Statistica、Stata、R、SAS、Excelの処理 STUDYを飲む MATLAB は、MATLAB のライセンスをそのまま使用しています。以下は、デフォルトではコンマ区の値を格納します。

array = erpdata{1}; % or array = rand(100,200); 
dlmwrite('matlabarray1.txt',array,'delimiter', '\t', 'precision', 10); % tab separated values
xlswrite('matlabarray2.xls',array);
csvwrite('matlabarray3.csv',array); % comma separated values
writematrix(array, 'matlabarray4.csv');
writetable(table(array), 'matlabarray5.csv')

サイズ750ポイント×13の対象のERPデータに3つの条件をクリアするerpdata 前のセクションで得られた。 3つの条件があると想像してみてください erpdata ‘erpfile.txt’ は、

[STUDY erpdata erptimes] = std_erpplot(STUDY,ALLEEG,'channels',{ 'FP1'}, 'noplot', 'on');
dlmwrite('erpfile.txt',squeeze([ erptimes' erpdata{1} ones(size(erpdata{1},1),1)*1 ]),'delimiter', '\t', 'precision', 2);
dlmwrite('erpfile.txt',squeeze([ erptimes' erpdata{2} ones(size(erpdata{2},1),1)*2 ]),'-append', 'delimiter', '\t', 'precision', 2);
dlmwrite('erpfile.txt',squeeze([ erptimes' erpdata{3} ones(size(erpdata{3},1),1)*3 ]),'-append', 'delimiter', '\t', 'precision', 2);

n x m の条件設定の場合:

dlmwrite('erpfile.txt',squeeze([ erpdata{1,1} ones(size(erpdata{1,1},1),1)*[1 1] ]),'delimiter', '\t', 'precision', 2);
dlmwrite('erpfile.txt',squeeze([ erpdata{1,2} ones(size(erpdata{1,2},1),1)*[1 2] ]),'-append', 'delimiter', '\t', 'precision', 2);
dlmwrite('erpfile.txt',squeeze([ erpdata{2,1} ones(size(erpdata{2,1},1),1)*[2 1] ]),'-append', 'delimiter', '\t', 'precision', 2);
dlmwrite('erpfile.txt',squeeze([ erpdata{2,2} ones(size(erpdata{2,2},1),1)*[2 2] ]),'-append', 'delimiter', '\t', 'precision', 2);

被写体をケースとして使用する場合、通常のフォームでデータを保存できます。 erpdata 条件 1 は 750 ポイントと 13 件を含み、長いフォームでデータを保存すると、このように見えます。このファイルは、2つの列のみ、対象のインデックスの1つと1つが含まれます。

dlmwrite('erpfile.txt',[ erpdata{1}(:,1) ones(size(erpdata{1},1),1)*1],'delimiter', '\t', 'precision', 2);
for iSubject = 2:size(erpdata{1},2)
    dlmwrite('erpfile.txt',squeeze([ erpdata{1}(:,iSubject) ones(size(erpdata{1},1),1)*iSubject]),'-append', 'delimiter', '\t', 'precision', 2);
end

ERPとはこの例では、12の周波数×12の時間×71チャンネル×13被験者です。

chanlocs = eeg_mergelocs(ALLEEG.chanlocs);
[STUDY erspdata ersptimes erspfreqs] = std_erspplot(STUDY,ALLEEG,'channels',{chanlocs.labels}, 'noplot', 'on');
erspdata =

  2×1 cell array

    {10×12×71x13 single}
    {10×12×71x13 single}
    
if exist('erpfile.txt'), delete('erpfile.txt'); end
for iFreq = 1:10
  for iTime = 1:12
    for iChan = 1:71
      for iSubject = 1:13
          dlmwrite('erspfile.txt',squeeze([ erspdata{1}(iFreq,iTime,iSubject) iFreq iTime iChan iSubject 1]),'-append', 'delimiter', '\t', 'precision', 2);
          dlmwrite('erspfile.txt',squeeze([ erspdata{2}(iFreq,iTime,iSubject) iFreq iTime iChan iSubject 2]),'-append', 'delimiter', '\t', 'precision', 2);
      end
      end
  end
end

以下は、保存したファイルの先頭に列名を追加しています。スクリプトを変更して、自動的に追加することもできます。これは一例です。実際の周波数と時間は保存されるだけでなく、交換する erspfreqs(iFreq) そして、 ersptimes(iTime) 上記のスクリプトで。

ERP data export

コンポーネント対策の計算とプロット

コンポーネントの複雑な対策

関数 pop_precomp.m 関数また、測定を計算するために使用することができますコンポーネントを扱う。チャネルを扱うときとして、機能 std_precomp.m は、また、プレコンピューティングコンポーネント対策構文は両方のケースで非常に似ています。インスタンス、関数 pop_precomp.m 関数次の方法で呼ばれるコンポーネントのコンピューティング対策のためのグラフィックユーザーインターフェイスを起動します。

[STUDY ALLEEG] = pop_precomp(STUDY, ALLEEG, 'components'); % pop up graphical interface

同じ操作を使わなくても実行できます。の関数の 24 GUI std_precomp.m は、型を定義するパラメータで呼び出されます。計算したい測定。例えば、次のコードであらゆるコンポーネントを計算する。

[STUDY ALLEEG] = std_precomp(STUDY, ALLEEG, 'components', 'recompute', 'on', 'erp', 'on', 'filter', 30);

計算された措置の種類は、密接な関係にあります仮説をテストし、措置の選択技術的に実行できる分析の種類を制約します。例えば、次のセクションでは、各コンポーネントからの対策は、 ICAコンポーネントのクラスタリングについて。 EEGLAB jargon は、先着順レベルは、プロットに使用するために事前に入力する必要があります。それから、先にプリクラスタリング、使用される措置の慎重な評価、およびその世代で使用するパラメータは、運ぶ必要があります。

以下は、対策を生成するために使用されるコードです。

[STUDY ALLEEG] = std_precomp(STUDY, ALLEEG, 'components',...
    'erp','on','erpparams',{'rmbase' [-200 0] },...
    'scalp','on',...
    'spec','on','specparams',{'freqrange' [3 50] 'specmode' 'fft' 'logtrials' 'off'},...
    'ersp','on','erspparams',{'cycles' [3 0.8] 'nfreqs' 100 'ntimesout' 200},...
    'itc','on');

コンポーネントの前処理とクラスタリング

ICAコンポーネントのクラスタリング、通常は順調に計算します。パワースペクトルのクラスタリングを指定する [3 30]-Hz 周波数範囲、[100 600]-ms ウィンドウタイム ERP、このページの先頭へ上記のデフォルト値、タイプ:

>> [STUDY ALLEEG] = std_preclust(STUDY, ALLEEG, 1,...
        {'spec' 'npca' 10 'weight' 1 'freqrange' [3 25] },...
        {'erp' 'npca' 10 'weight' 1 'timewindow' [100 600]  'erpfilter' '20'},...
        {'dipoles' 'weight' 10},...
        {'ersp' 'npca' 10 'freqrange' [3 25]  'timewindow' [-1600 1495]  'weight' 1 'norm' 1 'weight' 1});

または、グラフィックインターフェイスでこれらの値を入力するには、次のようにします。

>> [STUDY ALLEEG] = pop_preclust(STUDY, ALLEEG);

コマンドラインからクラスターコンポーネントを作成するには、次のようにします。

>> [STUDY] = pop_clust(STUDY, ALLEEG, 'algorithm','kmeanscluster', 'clus_num', 10);

またはグラフィックインターフェイスをポップアップする:

>> [STUDY] = pop_clust(STUDY, ALLEEG);

コンポーネントクラスターの可視化

コンポーネントクラスターを視覚化するための主な機能 pop_clustedit.m 関数このインターフェイスをポップアップするには、単にタイプします。

>> [STUDY] = pop_clustedit(STUDY, ALLEEG);

この関数は、プロットするためのさまざまなプロット関数を呼び出します。

scalpのマップstd_topoplot.m の使い方),
パワースペクトル ( )std_specplot.m は、),
同等のダイポール (等価ダイポール)std_dipplot.m は、),
ERPsについてstd_erpplot.m は、),
ERSPs()std_erspplot.m は、),
ITCs(イッツ)std_itcplot.m は、).

これらの関数のすべてが同じ呼び出し形式に従う (ただし) std_dipplot.m は、若干異なります。ヘルプメッセージを参照してください。機能の使用 std_topoplot.m の使い方例として、次のコードがプロットされます。クラスターの平均スカルプマップ2:

 >> [STUDY] = std_topoplot(STUDY, ALLEEG, 'clusters', 2, 'mode', 'together');

以下のコードスニペットは、クラスタ3の平均スカルプマップをプロットしますクラスタ3に属するコンポーネントのスカルプマップ:

 >> [STUDY] = std_topoplot(STUDY, ALLEEG, 'clusters', 2, 'mode', 'apart');

次のコードは、クラスタ2のコンポーネント3をプロットします。

 >> [STUDY] = std_topoplot(STUDY, ALLEEG, 'clusters', 2, 'comps', 3);

カスタム対策の計算とプロット

カスタム対策の計算

このサイトは、EEGLAB 2021.0 以降で公開されています。 STUDYのカスタム対策をSTUDYで計算します。 std_precomp.m は、機能。カスタムを呼び出す前に機能、 std_precomp.m は、関数は便利なようにデータセットの修飾語を適用します rmclust、rmicacomps かinterp は、カスタムパラメータ *カスタムパラメータカスタム機能へのパラメーター。

まず関数を呼び出します std_precomp.m は、変換された単一致命的なデータを格納する。例えば、ベースライン(820のうち1～410のデータサンプル)を外します。単一のトライアルを変更したくない場合は、後で説明するように読み込みます。

std_precomp(STUDY, ALLEEG, 'channels', 'customfunc', @(data)bsxfun(@minus, data, mean(data(:,1:410,:),2)), 'interp', 'on');

別の例10 は、 Hz の分岐点

std_precomp(STUDY, ALLEEG, 'channels', 'customfunc', @(data)reshape(eegfilt(data(:,:), EEG(1).srate, 0,10,EEG(1).pnts,60,0,'fir1'), size(data)), 'interp', 'on');

私たちが使うのは、 std_readata.m で synonyms versus non-synonyms の各データ配列(820時間)です。

[~, customdata] = std_readdata(STUDY, ALLEEG, 'channels', {ALLEEG(1).chanlocs.labels }, 'design', 1, 'datatype', 'custom');
customdata

  2×1 cell array
    {820×61×1×5 single}
    {820×61×1×5 single}

最終寸法はそのままです。カスタム機能が汎用性のため、各々の2-Dの構成要素を構成します。

[~, erpdata] = std_readdata(STUDY, ALLEEG, 'channels', {ALLEEG(1).chanlocs.labels }, 'design', 1, 'datatype', 'erp');
erpdata

  2×1 cell array
    {820×61×5 single}
    {820×61×5 single}

カスタム対策のプロット

それからあなたは使用することができます std_plotcurve.m の使い方パープルをプロットする。例えば、以下の関数はERP を計算します。各チャンネルとプロット(erpdata の入力ソース、またはcustomdata の入力文字列)

std_plotcurve(EEG(1).times, erpdata, 'chanlocs', ALLEEG(1).chanlocs);
customdata = cellfun(@squeeze, customdata, 'uniformoutput', false);
std_plotcurve(EEG(1).times, customdata, 'chanlocs', ALLEEG(1).chanlocs);

それぞれのチャンネルでroots(RMS)を計算します。

figure;
nCond = length(STUDY.design.variable(1).value);
for iCond = 1:nCond
  rms = sqrt(mean(mean(customdata{iCond},3).^2,2));
  hold on; plot(EEG(1).times, rms);
end
legend(STUDY.design.variable(1).value)
setfont(gcf, 'fontsize', 16); % change font size

カスタム対策に関する統計計算

関数を使うことができることに注意して下さい std_stat.m で customdata と customerp のセルの配列を上回る。上記は、61チャンネル分の値が返されます。

std_stat(erpdata, 'condstats', 'on', 'mcorrect', 'fdr', 'method', 'permutation')
ans =

  1×1 cell array
    {820×61 double}

FelTrip では、コードスニペットは、FielTrip のクラスメソッドと互換性のある修正のエキスパートです。

std_stat(erpdata, 'condstats', 'on', 'fieldtripmcorrect', 'cluster', 'fieldtripmethod', 'montecarlo', 'mode', 'fieldtrip')
ans =

  1×1 cell array
    {820×61 double}

また、低レベル関数を呼び出すこともできます。スタコンド。 m 点そして、スタコンドFieldTrip 直接(追加情報のための機能ヘルプメッセージを参照)。例えば:

res = statcond(erpdata); size(res)
ans =
   820    61