Método/Unidad para medir actividad en banda de frecuencia específica para EEG

La forma en que analiza sus datos depende un poco de cómo hizo su descomposición de frecuencia de tiempo.

Si está utilizando una transformada rápida de Fourier, probablemente eliminará la ventana temporal de interés antes del análisis y su potencia estimada será un valor único (por sujeto y/o condición) dentro de esta ventana de tiempo. Por ejemplo, es probable que la desincronización de ondas alfa se active aproximadamente 100 ms después del inicio de un tono, y es posible que le interese su potencia entre ese momento y 300 ms. Esto se basa en la teoría y la literatura, no hay una respuesta única. Pero si recorta una ventana de tiempo de antemano como esta, ¡asegúrese de que la ventana de tiempo de interés sea un múltiplo exacto del tamaño del ciclo que está viendo! (p. ej., un múltiplo de 1/10 de segundo para 10 Hz.) De lo contrario, podría obtener algunos artefactos desagradables.

Entonces terminará con un punto de datos por sujeto y condición, por sensor de EEG. Algunas personas preseleccionan un grupo de sensores basándose en la literatura y observan la potencia promedio en estos sensores. En ese caso, puede usar cualquiera de las estadísticas paramétricas estándar para probar sus hipótesis.

Alternativamente, puede adoptar una ventana de tiempo móvil o un enfoque similar ( ver aquí ), donde obtiene una estimación de cómo se desarrolla la energía con el tiempo (por sensor y banda de frecuencia). En ese caso, su espacio de datos es más grande y la forma habitual de restringirlo es usar pruebas de permutación basadas en clústeres que no son paramétricas .. Esto le devolverá grupos de diferencias significativas a lo largo del tiempo y/o sensores (esto significa grupos de puntos de tiempo sucesivos o sensores cercanos entre sí que muestran un efecto experimental). Nuevamente, si desea promediar entre sensores es una pregunta teórica. También puede decidir promediar a lo largo del tiempo usando este enfoque y terminar con un solo punto de datos por sujeto/condición como se indicó anteriormente. Este enfoque no es particularmente preciso en el tiempo (los datos estarán un poco borrosos a lo largo del tiempo), pero le brinda una mejor visión general de lo que sucede en el cerebro y en qué bandas de frecuencia podrían estar los efectos interesantes.

En cuanto a la unidad, prefiero convertir la potencia bruta en decibelios, porque la escala es simétrica alrededor de cero y comparable entre experimentos. Entonces, 10*log10 de la potencia en tu señal. Si está utilizando una línea de base, conviértala en una línea de base absoluta (es equivalente a una línea de base relativa para la potencia bruta, que es el estándar).

Para hacer esto en EEGLAB, querrá leer esto: sccn.ucsd.edu/wiki/Chapter_11:_Timefrequency_decomposition. Su "nivel de actividad" en una banda de frecuencia dada es la magnitud de la representación de frecuencia en esa banda de frecuencia en un momento dado.

Realmente, sin embargo, EEGLAB está fuertemente orientado hacia el análisis ICA de la actividad cerebral completa, no del análisis de frecuencia de electrodos individuales. Si desea realizar un análisis de frecuencia de un solo electrodo en Matlab, sugeriría usar chronux ( http://chronux.org ): funciones como mtspectrumc le darán el espectro de frecuencia y luego puede tomar la magnitud del espectro en su banda de frecuencia preferida como su "nivel de actividad" de esa banda de frecuencia. Ver http://chronux.org/chronuxFiles/filesReleases/manual.pdf Sección 2.2.1