脑电数据的独立成分分析
通过ICA(或任何线性分解方法,包括PCA及其衍生物)分解数据涉及从单头皮通道收集的数据到空间转换的“虚拟通道”的基础的线性变化。即代替同时记录的单通道数据记录的集合,将数据变换为应用于整个多通道数据的空间滤波器的同时记录的输出的集合。
在原始头皮通道数据中,数据记录矩阵的每一行都代表一个源通道到一个数据通道和一个或多个参考通道之间的电压差总和的时间过程。在ICA分解之后,数据激活矩阵的每一行都给出了从通道数据中进行空间过滤的一个组件过程的活动的时程。
在ICA分解的情况下,选择独立分量滤波器以产生通道数据中可用的最大时间独立信号。这些实际上是数据中的信息源,这些数据的混合物通过体积传导已记录在头皮通道中。混合过程(对于EEG,通过体积传导)是被动的,线性的,并且不向数据添加任何信息。
运行ICA分解
关键步骤9:计算ICA分量
要计算EEG历时数据集(或连续EEGLAB数据集)的ICA分量,请选择“工具”>“运行ICA”, 这将调用函数pop_runica.m,要测试此功能,只需按OK。
这里默认的算法是 runica。
绘制二维分量头皮图
要绘制二维头皮组件图,请选择“plot>component maps>In 2d-D”,然后通过函数pop\u topoplot.m生成交互式窗口(下图),它类似于我们用来绘制ERP头皮图的窗口,只需按“确定”即可绘制所有组件。