Saltar al contenido principal

# 9.6: Ejercicio- Transferir los Pesos y Evaluar los CI

$$\newcommand{\vecs}[1]{\overset { \scriptstyle \rightharpoonup} {\mathbf{#1}} }$$

$$\newcommand{\vecd}[1]{\overset{-\!-\!\rightharpoonup}{\vphantom{a}\smash {#1}}}$$

$$\newcommand{\id}{\mathrm{id}}$$ $$\newcommand{\Span}{\mathrm{span}}$$

( \newcommand{\kernel}{\mathrm{null}\,}\) $$\newcommand{\range}{\mathrm{range}\,}$$

$$\newcommand{\RealPart}{\mathrm{Re}}$$ $$\newcommand{\ImaginaryPart}{\mathrm{Im}}$$

$$\newcommand{\Argument}{\mathrm{Arg}}$$ $$\newcommand{\norm}[1]{\| #1 \|}$$

$$\newcommand{\inner}[2]{\langle #1, #2 \rangle}$$

$$\newcommand{\Span}{\mathrm{span}}$$

$$\newcommand{\id}{\mathrm{id}}$$

$$\newcommand{\Span}{\mathrm{span}}$$

$$\newcommand{\kernel}{\mathrm{null}\,}$$

$$\newcommand{\range}{\mathrm{range}\,}$$

$$\newcommand{\RealPart}{\mathrm{Re}}$$

$$\newcommand{\ImaginaryPart}{\mathrm{Im}}$$

$$\newcommand{\Argument}{\mathrm{Arg}}$$

$$\newcommand{\norm}[1]{\| #1 \|}$$

$$\newcommand{\inner}[2]{\langle #1, #2 \rangle}$$

$$\newcommand{\Span}{\mathrm{span}}$$ $$\newcommand{\AA}{\unicode[.8,0]{x212B}}$$

$$\newcommand{\vectorA}[1]{\vec{#1}} % arrow$$

$$\newcommand{\vectorAt}[1]{\vec{\text{#1}}} % arrow$$

$$\newcommand{\vectorB}[1]{\overset { \scriptstyle \rightharpoonup} {\mathbf{#1}} }$$

$$\newcommand{\vectorC}[1]{\textbf{#1}}$$

$$\newcommand{\vectorD}[1]{\overrightarrow{#1}}$$

$$\newcommand{\vectorDt}[1]{\overrightarrow{\text{#1}}}$$

$$\newcommand{\vectE}[1]{\overset{-\!-\!\rightharpoonup}{\vphantom{a}\smash{\mathbf {#1}}}}$$

$$\newcommand{\vecs}[1]{\overset { \scriptstyle \rightharpoonup} {\mathbf{#1}} }$$

$$\newcommand{\vecd}[1]{\overset{-\!-\!\rightharpoonup}{\vphantom{a}\smash {#1}}}$$

$$\newcommand{\avec}{\mathbf a}$$ $$\newcommand{\bvec}{\mathbf b}$$ $$\newcommand{\cvec}{\mathbf c}$$ $$\newcommand{\dvec}{\mathbf d}$$ $$\newcommand{\dtil}{\widetilde{\mathbf d}}$$ $$\newcommand{\evec}{\mathbf e}$$ $$\newcommand{\fvec}{\mathbf f}$$ $$\newcommand{\nvec}{\mathbf n}$$ $$\newcommand{\pvec}{\mathbf p}$$ $$\newcommand{\qvec}{\mathbf q}$$ $$\newcommand{\svec}{\mathbf s}$$ $$\newcommand{\tvec}{\mathbf t}$$ $$\newcommand{\uvec}{\mathbf u}$$ $$\newcommand{\vvec}{\mathbf v}$$ $$\newcommand{\wvec}{\mathbf w}$$ $$\newcommand{\xvec}{\mathbf x}$$ $$\newcommand{\yvec}{\mathbf y}$$ $$\newcommand{\zvec}{\mathbf z}$$ $$\newcommand{\rvec}{\mathbf r}$$ $$\newcommand{\mvec}{\mathbf m}$$ $$\newcommand{\zerovec}{\mathbf 0}$$ $$\newcommand{\onevec}{\mathbf 1}$$ $$\newcommand{\real}{\mathbb R}$$ $$\newcommand{\twovec}[2]{\left[\begin{array}{r}#1 \\ #2 \end{array}\right]}$$ $$\newcommand{\ctwovec}[2]{\left[\begin{array}{c}#1 \\ #2 \end{array}\right]}$$ $$\newcommand{\threevec}[3]{\left[\begin{array}{r}#1 \\ #2 \\ #3 \end{array}\right]}$$ $$\newcommand{\cthreevec}[3]{\left[\begin{array}{c}#1 \\ #2 \\ #3 \end{array}\right]}$$ $$\newcommand{\fourvec}[4]{\left[\begin{array}{r}#1 \\ #2 \\ #3 \\ #4 \end{array}\right]}$$ $$\newcommand{\cfourvec}[4]{\left[\begin{array}{c}#1 \\ #2 \\ #3 \\ #4 \end{array}\right]}$$ $$\newcommand{\fivevec}[5]{\left[\begin{array}{r}#1 \\ #2 \\ #3 \\ #4 \\ #5 \\ \end{array}\right]}$$ $$\newcommand{\cfivevec}[5]{\left[\begin{array}{c}#1 \\ #2 \\ #3 \\ #4 \\ #5 \\ \end{array}\right]}$$ $$\newcommand{\mattwo}[4]{\left[\begin{array}{rr}#1 \amp #2 \\ #3 \amp #4 \\ \end{array}\right]}$$ $$\newcommand{\laspan}[1]{\text{Span}\{#1\}}$$ $$\newcommand{\bcal}{\cal B}$$ $$\newcommand{\ccal}{\cal C}$$ $$\newcommand{\scal}{\cal S}$$ $$\newcommand{\wcal}{\cal W}$$ $$\newcommand{\ecal}{\cal E}$$ $$\newcommand{\coords}[2]{\left\{#1\right\}_{#2}}$$ $$\newcommand{\gray}[1]{\color{gray}{#1}}$$ $$\newcommand{\lgray}[1]{\color{lightgray}{#1}}$$ $$\newcommand{\rank}{\operatorname{rank}}$$ $$\newcommand{\row}{\text{Row}}$$ $$\newcommand{\col}{\text{Col}}$$ $$\renewcommand{\row}{\text{Row}}$$ $$\newcommand{\nul}{\text{Nul}}$$ $$\newcommand{\var}{\text{Var}}$$ $$\newcommand{\corr}{\text{corr}}$$ $$\newcommand{\len}[1]{\left|#1\right|}$$ $$\newcommand{\bbar}{\overline{\bvec}}$$ $$\newcommand{\bhat}{\widehat{\bvec}}$$ $$\newcommand{\bperp}{\bvec^\perp}$$ $$\newcommand{\xhat}{\widehat{\xvec}}$$ $$\newcommand{\vhat}{\widehat{\vvec}}$$ $$\newcommand{\uhat}{\widehat{\uvec}}$$ $$\newcommand{\what}{\widehat{\wvec}}$$ $$\newcommand{\Sighat}{\widehat{\Sigma}}$$ $$\newcommand{\lt}{<}$$ $$\newcommand{\gt}{>}$$ $$\newcommand{\amp}{&}$$ $$\definecolor{fillinmathshade}{gray}{0.9}$$

Nuestro objetivo al filtrar fuertemente los datos era mejorar la descomposición de ICA, pero como se describió en el capítulo sobre filtrado, este tipo de filtrado suele ser una mala idea para los análisis ERP. Entonces, vamos a tomar nuestra descomposición ICA optimizada y transferir los pesos al conjunto de datos original, que no ha sido distorsionado por el filtrado. Para hacer esto, primero mire el menú Conjuntos de datos en EEGLAB y anote el número de conjunto de datos para el conjunto de datos que contiene los pesos ICA (10_mmn_preprocessed_filt_100hz_del_icaweights). Probablemente sea #4, pero podría ser otra cosa si has hecho algún otro procesamiento. Ahora seleccione el conjunto de datos original (10_mmn_preprocesado) en el menú Conjuntos de datos y luego seleccione EEGLAB > Editar > Información del conjunto de datos. En la nueva ventana que aparece, haga clic en el botón De otro conjunto de datos para la matriz de pesos ICA e ingrese el número para el conjunto de datos con los pesos ICA (probablemente 4). También cambie el nombre del conjunto de datos a 10_mmn_preprocessed_transferredicaWeights y, a continuación, haga clic en Aceptar. ¡Eso es! Ahora has transferido los pesos. Es posible que desee guardar este conjunto de datos en su disco con EEGLAB > Archivos > Guardar conjunto de datos actual como.

Puedes verificar que los pesos se han transferido seleccionando EEGLAB > Herramientas > Inspección/etiqueta componentes por mapa (pero primero cierra la ventana que creaste con esta rutina en el ejercicio anterior, si aún está abierta). Debería ver los mismos mapas que en el ejercicio anterior (Captura de pantalla 9.6), porque transfirió esos pesos al conjunto de datos actual.

Ahora comparemos el curso temporal de los CI (EEGLAB > Gráfica > Activaciones de componentes (scroll)) con el curso temporal de los datos EEG y EOG (EEGLAB > Gráfica > Datos de canal (scroll)). Se puede ver que el curso temporal del IC 1 coincide estrechamente con el curso temporal de los parpadeos y los movimientos oculares verticales en Veog-bipolar. A simple vista, no hay ninguna diferencia obvia entre IC 1 de esta descomposición y IC 1 de nuestra descomposición original (Capturas de pantalla 9.2-9.4). Sin embargo, dado que la descomposición en su conjunto mejoró, IC 1 de nuestra nueva descomposición es menos probable que se contamine por la actividad de otras fuentes (menos grumos).

Ahora veamos si podemos averiguar qué está pasando con los otros CI y ver si alguno de ellos debe ser removido junto con IC 1. Empecemos por buscar un CI relacionado con los movimientos oculares horizontales. Vuelva a la trama de los mapas del cuero cabelludo (Captura de pantalla 9.6) y vea si alguno de los mapas tiene la distribución que esperaría para los movimientos oculares horizontales (es decir, focos de polaridad inversa solo a los lados de los dos ojos). IC 13 parece prometedor, así que haz clic en el 13 sobre el mapa del cuero cabelludo para IC 13 (o el IC que tiene la distribución correcta del cuero cabelludo si tus mapas no coinciden exactamente con la Captura de pantalla 9.6). Aparecerá una nueva ventana para mostrar los detalles de este IC. El mapa de calor del curso del tiempo tiene mucha actividad al principio y al final del conjunto de datos, que es lo que esperaríamos si los movimientos oculares grandes fueran más comunes durante los periodos de descanso al principio y al final de la sesión. (Tenga en cuenta que eliminamos los períodos de interrupción en el conjunto de datos utilizado para la descomposición ICA, pero ahora hemos transferido los pesos al conjunto de datos original, que todavía tiene datos durante los períodos de interrupción. Se usa el mismo conjunto de pesos para cada punto de tiempo, por lo que no es un problema transferir pesos a puntos de tiempo que no se usaron en la descomposición ICA).

Ahora regrese a las gráficas del curso de tiempo de desplazamiento para los datos de CI y EEG y vea si el curso temporal del IC 13 coincide con el curso temporal de los movimientos oculares horizontales en Heog-bipolar. Es posible que desee mostrar solo 6 canales y CI a la vez para que pueda ver mejor los movimientos de los ojos. La captura de pantalla 9.7 muestra los datos de EOG (arriba) y algunos de los CI (abajo) durante los primeros 10 segundos del conjunto de datos. Se puede ver una hermosa correspondencia entre IC 14 y Heog-bipolar. Y si miras de cerca a los otros CI, ninguno de ellos muestra el mismo patrón. ICA claramente ha hecho un buen trabajo aislando los movimientos oculares horizontales con IC 13. Definitivamente deberíamos considerar eliminar IC 13 de los datos.

Aunque ninguno de los otros CI muestra el mismo patrón que el canal HeOG-bipolar, IC 3 tiene un pico de voltaje agudo en el momento de inicio de cada cambio en la posición del ojo. Este es el potencial de pico que se muestra en la Figura 9.1, que es la contracción muscular que hace que los ojos se muevan. Dado que el potencial de pico y el cambio en el voltaje HEOG están estrechamente vinculados, podría preguntarse por qué terminan en diferentes CI. La respuesta es que ICA trata de encontrar CI que sean máximamente independientes en un momento dado. La señal HEOG es sostenida, y el potencial de pico ocurre solo al comienzo del movimiento del ojo, por lo que a menudo tiene un voltaje HEOG grande sin potencial de pico. Y el potencial de pico precede ligeramente al cambio de HEOG, por lo que puede tener un gran potencial de pico con HEOG. En consecuencia, terminan como CI diferentes. Tenga en cuenta que la magnitud del potencial de pico en las grabaciones EEG/EOG varía considerablemente entre los participantes, por lo que no siempre se ve un CI separado para ello.

IC 4 tiene un foco centro-parietal de línea media y una amplia distribución del cuero cabelludo, muy similar a la onda P3b. Sin embargo, los participantes no estaban haciendo una tarea en el experimento MMN, por lo que no esperaríamos ver el P3b. Si se desplaza por las activaciones de componentes y los datos de EEG, es difícil ver una correspondencia obvia entre IC 4 y las señales EEG. Además, el espectro de potencia no revela un pico claro, por lo que no parece ser una oscilación. Realmente no sé qué es IC 4.

IC 5, por otro lado, muestra un pico claro a 10 Hz (que se puede ver haciendo clic en el 5 sobre el mapa del cuero cabelludo para IC 5). Además, el mapa del cuero cabelludo tiene un fuerte enfoque en el polo occipital. Ambos son consistentes con la clásica oscilación de banda alfa descrita por primera vez por Hans Berger en su estudio original de EEG (Berger, 1929). Se pueden ver algunas hermosas ráfagas alfa tanto en IC 5 como en los electrodos EEG posteriores entre 57 y 60 segundos.

IC 2 también tiene un pico claro en su espectro de potencia, pero a aproximadamente 7 Hz en lugar de 10 Hz. Su mapa de cuero cabelludo tiene un enfoque alrededor de Fz. Dado este espectro de potencia y la topografía del cuero cabelludo, esta es probablemente la oscilación theta media frontal comúnmente observada. Se pueden ver ráfagas de actividad oscilatoria en este CI en una variedad de puntos de tiempo (por ejemplo, 127-128 s, 219 s, 297-302 s, 401-403 s), y se pueden ver ráfagas correspondientes de oscilaciones en los canales frontales lejanos. Sin embargo, las ráfagas de oscilación a veces ocurren simultáneamente en otros CI (por ejemplo, a 127 s), y IC 2 también muestra alguna actividad transitoria (no oscilante), por lo que no intentaría usar este IC para aislar theta midfrontal y luego usarlo como una variable dependiente.

Consulta el resto de los CI y mira si puedes averiguar qué representan. Verás que algunos contienen actividad de banda alfa, como IC 5, pero con topografías del cuero cabelludo algo diferentes. Esto no es sorprendente dado que el alfa se puede observar en diferentes áreas corticales en diferentes momentos. Muchos CI no tienen una interpretación obvia. IC 16 tiene una distribución del cuero cabelludo que es muy parecida a IC 1. Los parpadeos suelen aparecer en dos o incluso tres circuitos integrados, por lo que debes echar un vistazo de cerca a cualquier CI que tenga un mapa del cuero cabelludo similar a parpadeo.

Si se desplaza por las activaciones de componentes y los datos EEG/EOG, verá que IC 16 exhibe una ráfaga de alta frecuencia al comienzo de cada parpadeo, superpuesta a una caída negativa. Esta podría ser la actividad EMG de los músculos que producen el parpadeo. Sin embargo, la caída negativa más lenta no parece EMG, por lo que IC 16 puede estar mezclando señales EMG y EOG. Todavía está relacionado con el parpadeo, por lo que consideraremos si excluirlo en el próximo ejercicio.

La actividad de EOG relacionada con el parpadeo es principalmente el resultado de que los párpados se deslizan a través de los globos oculares, pero también puede haber una ligera rotación vertical de los globos oculares que produce una tensión. Estos dos efectos tienen distribuciones similares pero ligeramente diferentes del cuero cabelludo, por lo que pueden aparecer como CI separados (especialmente cuando tienes 60 o más canales y por lo tanto 60 o más CI). En teoría, los dos párpados podrían comenzar y dejar de moverse en momentos ligeramente diferentes, lo que también podría producir CI separados.

This page titled 9.6: Ejercicio- Transferir los Pesos y Evaluar los CI is shared under a CC BY 4.0 license and was authored, remixed, and/or curated by Steven J Luck directly on the LibreTexts platform.