Cuando Javier López-Calderón y yo diseñamos el proceso de rechazo de artefactos en ERPLAB, Javier sugirió que deberíamos referirnos al proceso de marcar épocas como detección de artefactos, porque esas épocas en realidad no se eliminan del conjunto de datos EEG. El rechazo (o exclusión) de las épocas marcadas realmente ocurre durante el proceso de promediación. Pensé que era una gran idea. Entonces, usaré la frase detección de artefactos para referirme al proceso de determinar qué épocas deben marcarse y la frase rechazo de artefactos para referirme al proceso que excluye las épocas marcadas de los ERP promediados.
EEGLAB y ERPLAB también contienen un conjunto separado de rutinas que realmente eliminan segmentos problemáticos de datos del EEG continuo. Estas rutinas se utilizan principalmente como paso de preprocesamiento en el proceso de corrección de artefactos, como se describirá en el siguiente capítulo. En el presente capítulo, se utilizará el término rechazo de artefactos en el contexto de datos de EEG de época.
El capítulo 6 de Luck (2014) proporciona importantes antecedentes teóricos sobre una amplia gama de artefactos y sobre la naturaleza del proceso de detección/rechazo de artefactos. Te será útil (pero no absolutamente necesario) que leas ese capítulo antes de continuar. El objetivo del presente capítulo es concretar estos antecedentes teóricos y demostrar las cuestiones prácticas que surgen en los datos reales.
Nos centraremos en los datos de algunos participantes de ejemplo que seleccioné no porque tuvieran datos “buenos” sino porque eran bastante desafiantes. Los datos provendrán de dos de los experimentos ERP CORE (Kappenman et al., 2021), uno mirando la negatividad de desajuste (MMN) y otro mirando el componente N2pC. El paradigma MMN fue descrito en el capítulo anterior, y el paradigma N2pC se describirá más adelante en el presente capítulo. Consideraremos principalmente parpadeos y movimientos oculares, porque son los artefactos grandes más comunes, pero los ejercicios también te enseñarán principios generales que puedes usar para otro tipo de artefactos y otro tipo de experimentos.
La corrección de artefactos tiene muchas ventajas sobre el rechazo de artefactos, y se tratará en el siguiente capítulo. En casi todos los casos, sin embargo, recomiendo combinar rechazo y corrección. Además, los problemas creados por los artefactos son los mismos ya sea que estés usando rechazo o corrección, por lo que necesitarás leer al menos la primera parte de este capítulo aunque principalmente estés planeando usar corrección en lugar de rechazo.
Organización del Capítulo
La detección de artefactos es conceptualmente simple, pero requiere de muchas decisiones, y necesitas saber cómo tomar las mejores decisiones para lograr los mejores datos posibles. En consecuencia, este capítulo es bastante largo. Aquí está la estructura general:
- La primera parte del capítulo describe tres problemas principales que normalmente se abordan mediante el rechazo de artefactos y proporciona una visión general del proceso de detección+rechazo.
- La segunda parte del capítulo te lleva a través de una serie de ejercicios en los que verás cómo detectar y rechazar parpadeos, movimientos oculares y otros artefactos diversos en el contexto del experimento MMN.
- La última parte del capítulo te lleva a través de ejercicios que te enseñan a detectar y rechazar movimientos oculares pequeños pero consistentes, que son especialmente problemáticos en experimentos con estímulos objetivo lateralizados (especialmente experimentos con N2pC y CDA) o respuestas lateralizadas (principalmente experimentos LRP). Si no realizas experimentos de este tipo, puedes saltarte esta parte del capítulo.
Los ejercicios se enfocan en datos de solo dos participantes en cada experimento. Recomiendo encarecidamente mirar los datos de participantes adicionales y repetir los procedimientos de detección de artefactos con esos participantes. Puede encontrar los datos de participantes adicionales en las carpetas MMN_Data N2PC_Data dentro de la carpeta Chapter_8.
Tenga en cuenta que no hicimos nada para intentar minimizar el parpadeo al diseñar y ejecutar estos experimentos porque sabíamos que usaríamos la corrección de artefactos en lugar del rechazo de artefactos para lidiar con los parpadeos. Como resultado, muchos participantes parpadearon en una gran proporción de ensayos. Habríamos necesitado excluir a muchos de estos participantes si hubiéramos rechazado en lugar de corregir los parpadeos.
