Estoy ejecutando un experimento de EEG utilizando un diseño modificado de negatividad de desajuste auditivo (MMN), y me pregunto si alguien puede decirme el mejor método para el análisis de datos (y recomendar cualquier programa/paquete de estadísticas para este propósito también).
El experimento solo tendrá unos pocos (6-8) sujetos con una gran cantidad de ensayos por sujeto (~ 700). La condición emparejada constituye el 75% de los ensayos. Los estímulos se seleccionan de un conjunto cerrado de 10 elementos, con una frecuencia igual de elementos en las condiciones coincidentes/no coincidentes.
Una de las diferencias entre este estudio y las tareas MMN auditivas normales es que los estímulos esperados/inesperados varían entre las pruebas y la expectativa se establece prueba por prueba. Por lo tanto, es posible que la diferencia entre los potenciales relacionados con eventos (ERP) y los estímulos esperados/inesperados se promedie debido a las pequeñas variaciones en la respuesta a estos estímulos cambiantes.
¿Alguien conoce las mejores técnicas de análisis y procesamiento de datos de EEG para detectar el pequeño ERP en respuesta a los estímulos MMN auditivos? ¿Alguien puede recomendar técnicas para evitar promediar pequeños ERP cuyas latencias pueden variar?
Programas/paquetes para el análisis de EEG
Hay cajas de herramientas MatLab decentes con buenos tutoriales para el análisis de datos de EEG. La caja de herramientas de EEGLAB ( tutorial ) puede ser operada tanto por GUI como por línea de comando (y script). La caja de herramientas de Fieldtrip ( tutorial ) es operada principalmente por línea de comando/secuencia de comandos.
Por supuesto, también hay paquetes de software (comerciales) para el análisis de EEG que no requieren Matlab (por ejemplo, BESA , Brain Vision Analyzer , eeprobe ), pero no estoy familiarizado con ellos.
¿Existen técnicas para evitar promediar pequeños ERP cuyas latencias pueden variar?
No, probablemente no. Los ERP se calculan promediando varias pruebas porque este promedio cancela todos los componentes que tiemblan en el tiempo (es decir, principalmente ruido), es decir, lo que desea evitar (cancelar los componentes que tiemblan) es en realidad el propósito de calcular los ERP.
Sin embargo, para estar seguro, debe echar un vistazo a las revisiones o tutoriales para medir la negatividad de la falta de coincidencia. Ver por ejemplo
Duncan CC, Barry RJ, Connolly JF, Fischer C, Michie PT, Näätänen R, Polich J, Reinvang I, Van Petten C. (2009) Potenciales relacionados con eventos en la investigación clínica: pautas para obtener, registrar y cuantificar la negatividad del desajuste. P300 y N400. Clin Neurofisiol. 120(11):1883-908. ( publicado )
Uso la caja de herramientas FieldTrip en Matlab para analizar mi propio experimento MMN auditivo modificado :) Pero uso MEG, por lo que no tengo tantas opciones de software. La caja de herramientas es muy poderosa pero tiene una curva de aprendizaje empinada y la recomendaría solo si ya tiene experiencia en análisis de datos de Matlab y EEG.
No analizo mis datos en la forma clásica de MMN, así que no puedo comentar sobre eso. Escuché que la multitud de MMN a veces puede ser un poco dogmática en términos de cómo abordar el análisis de datos, por lo que es una buena idea obtener información precisa antes de sentarse a hacerlo. Quizás ponerse en contacto con alguien que tenga un estudio de MMN publicado sería la solución.
Una de las diferencias entre este estudio y las tareas MMN auditivas normales es que los estímulos esperados/inesperados varían entre las pruebas y la expectativa se establece prueba por prueba. Por lo tanto, es posible que la diferencia entre los potenciales relacionados con eventos (ERP) y los estímulos esperados/inesperados se promedie debido a las pequeñas variaciones en la respuesta a estos estímulos cambiantes.
Dado que las frecuencias de los tipos de estímulos físicamente diferentes son idénticas en las dos condiciones, esto no es motivo de preocupación. Sin embargo, habrá más ruido en la condición inesperada en relación con lo esperado, debido al menor número total de ensayos. No estoy seguro de qué manera esto puede afectar las estadísticas (creo que no las sesgaría de manera sistemática, pero no le he preguntado a un experto; ¡hágamelo saber si lo descubre!), pero en general como Por precaución tomo una muestra aleatoria de intentos esperados, igual al número de intentos inesperados por participante. De esta manera, hay la misma cantidad de ruido en ambas condiciones porque tiene una muestra del mismo tamaño de estímulos físicamente idénticos, y la única diferencia está en la expectativa del estímulo.
usuario3639
krysta