赞
踩
目录
完成对静息态数据的常规预处理后,对数据进行2~20 Hz带通滤波和全脑平均参考(静息态microstate分析需要的额外预处理操作),并导出BP(Brain Vision)格式数据(bp_rest_files文件夹有30个被试的数据,sub01~sub30.dat/vhdr/vmrk)。
Cartool软件不能识别eeglab格式数据,需要在eeglab中导出BP格式数据(File >> Export >> Write Brain Vis. Exchange format file)。
数据量稍大时,Cartool软件容易崩溃,建议降低电极数目和采样率。
数据需要完成常规的预处理操作,分段不分段均可。
预处理后的数据确保所有被试的电极数目/名称/顺序一致、取样率一致、如若分段分段长度一致。
对每个被试的数据进行聚类,确定其最优类别数目及对应的各类别的模板map):
打开Tools >> EEG and Tracks >> Segmentation of EEG files
File Presets后如下选择,因为是对静息态EEG分析、第一阶段(first stage)、选取所有分段进行分析(Entire Dataset);
第一阶段:就是个体水平的微状态聚类
第二阶段:组水平的微状态聚类
文件选择
next
Computation Presets指定具体算法
Data Preprocessing部分
点击Process后,会分别对每个被试的数据进行聚类。
经过数小时运算后会在Output Base File Name生成一个RSWhole Sub.BestClustering文件夹,里面存储每个被试最优分类情况下各个类别的模板map信息(即每个被试会有一个ep文件)。
每个被试的ep文件名中用数字标示出其最优类别数目,且每个被试的ep文件使用记事本打开后可见其维度是:最优类别数目*电极数目,单位是微伏。
例如被试1的ep文件名为RSWhole Sub.01.05.(05).ep,05.(05)表示被试1的数据分为5类地形图最优。
File Presets后如下选择
点击Add New Group of Files
Epochs后面默认即可
文件选项
点击Process后,会分别对每个被试的数据进行聚类。
运算后首先会在cartool弹出一个窗口,窗口标题为GC RSWhole Sub.error.data Segmentation =5 MetaCrit = 1,表示分为5类最优。
其次会在RSWhole Sub.BestClustering文件夹生成一个新的文件夹(GC RSWhole Sub),里面存储组平均水平时分为1~15类时各个类别的模板map。
由于前面已经发现组平均水平最优类别数目为5,因此需要使用的是一个叫做GC RSWhole Sub.05(05).ep的文件。
打开该ep文件会发现其维度是5(最优类别数目)*20(电极数目)。
将该文件载入matlab(推荐使用importdata函数)后,可使用eeglab中的topoplot函数绘制组平均水平下的5个模板map。
ps:按道理来说,应该是4类才对,但是这边运行的结果显示,5类是最优。
需注意的是这4个模板map的顺序不见得一定与文献中经典的4类静息态microstate maps的顺序相一致,因此需要绘制这4个模板map,并将它们与经典的class A、class B、class C和class D进行对比,确定ep文件中这4个模板map与 class A B C D的对应关系。
(结合各个被试的EEG数据和组平均水平模板map计算相关microstate指标):
打开Tools >> EEG and Tracks >> Fitting templates to EEG files
NEXT
此步骤生成的指标文章会保存在Fit GC RSWhole Sub.04.(04)文件夹中。
Markov Chains相关结果保存在Markov Chains文件夹中。(这里我们没计算)
Fit GC RSWhole Sub.04.(04).Group1.JSP Expected.Prob.Ahead1.LinesAsSamples.csv为四个microstate类别间相互转换的期望概率(即依据microstate类别出现次数计算得到的转换概率);
Fit GC RSWhole Sub.04.(04).Group1.JSP Observed.Prob.Ahead1.LinesAsSamples.csv为数据中实际观察到的四个microstate类别间的实际相互转换概率。
实际数据分析中可用上述实际相互转换概率,亦有文章使用实际相互转换概率和期望概率的差值(此差值可排除microstate类别出现次数的影响:次数越多那么与之相关的转换也越多)。
Copyright © 2003-2013 www.wpsshop.cn 版权所有,并保留所有权利。