Gráfico de Conceptos & Resumen usando Claude 3 Opus | Chat GPT4 | Llama 3:

Resumen:

1.- Danut Irimia demuestra el análisis fuera de línea del conjunto de datos RecoverX usando el software GPS Analyze, comenzando por cargar los datos EEG crudos.

2.- Los datos se filtran usando un filtro Butterworth de paso de banda de 8-30 Hz, excluyendo el último canal. Luego, los datos se dividen en ensayos izquierda/derecha.

3.- Las posiciones de los electrodos C3 y C4 se cargan usando un montaje predefinido. Se realiza una re-referencia de derivación de fuente en estos canales.

4.- El análisis espectral compara intervalos de referencia y acción para C3 (ensayos derechos) y C4 (ensayos izquierdos), mostrando claras diferencias entre los espectros.

5.- Se calcula la desincronización relacionada con eventos (ERD) para C3/derecha y C4/izquierda, mostrando desincronización en el intervalo de acción post-disparador.

6.- Se generan mapas ERD para C3 y C4, visualizando la desincronización en los dominios de tiempo y frecuencia para los ensayos izquierda y derecha.

7.- Se calculan los Filtros de Patrones Espaciales Comunes (CSP) usando una ventana de 2 segundos durante la fase de retroalimentación, resultando en mapas de calor alrededor de C3/C4.

8.- El conjunto de datos se filtra espacialmente usando los dos primeros y los dos últimos filtros CSP, reduciéndolo a cuatro canales de características.

9.- Se calcula la varianza en segmentos de 1 segundo con un solapamiento de 996ms, reemplazando todos los canales. Luego, los datos se normalizan y se transforman en log10.

10.- Se crea una matriz de características usando pasos de 500ms desde 500-8000ms post-disparador. Se entrena y guarda un clasificador LDA.

11.- Se realiza una validación cruzada 10x10 para estimar las tasas de error. El clasificador se re-entrena con todos los datos y se guarda.

12.- El clasificador entrenado se aplica a todo el conjunto de datos para etiquetar cada ensayo. Los resultados de la clasificación se mapean para su visualización.

13.- Se grafica la precisión a lo largo del tiempo, mostrando una precisión >90% a los 6.5 segundos post-disparador para este conjunto de datos.

14.- El montaje de electrodos se visualiza en una vista interactiva 3D para comprender mejor la disposición espacial.

15.- Los resultados de CSP se grafican en el modelo de cabeza 3D, mostrando claramente los clústeres de activación bajo los electrodos C3 y C4.

16.- Se pueden exportar imágenes de alta resolución de la visualización CSP-en-cerebro para su uso en publicaciones.

17.- Se carga un conjunto de datos P300 para demostrar el análisis ERP. Los datos contienen ensayos objetivo y no-objetivo.

18.- El ERP P300 se visualiza usando corrección de línea base y comparación estadística entre ensayos objetivo y no-objetivo.

19.- Se miden las amplitudes y latencias pico de los componentes P300 y N100. La significancia estadística se indica mediante codificación de colores.

20.- Las características adicionales en GPS Analyze incluyen extracción de parámetros (coeficientes AR, varianza, potencia de banda, etc.), correlación cruzada y más.

21.- Los ensayos de artefactos pueden marcarse manualmente y luego cortarse del conjunto de datos para limpiar los datos.

22.- Los datos crudos pueden dividirse en épocas de igual longitud para el análisis incluso en ausencia de marcadores de eventos.

23.- Se pueden seleccionar épocas específicas de interés para un análisis enfocado. GPS Analyze facilita la comparación de subconjuntos de datos.

24.- Se toman preguntas del público. Las pequeñas áreas verdes/azules en los gráficos ERP indican la significancia estadística de las diferencias objetivo/no-objetivo.

25.- Los valores p menores a 0.01 (altamente significativos) son azul oscuro/gris, mientras que p<0.05 es azul claro/gris, para diferencias positivas y negativas respectivamente.

26.- Se observa que todos los pasos de procesamiento demostrados en la GUI se registran como código MATLAB para scripting y automatización.

27.- Esto permite el procesamiento por lotes de múltiples archivos simplemente cambiando el número de sujeto/sesión en el script.

28.- Se agradece a Danut por la demostración detallada de la tubería de procesamiento de datos RecoverX en GPS Analyze.

29.- Se destaca la ventana de comandos MATLAB registrando cada paso como código como una característica útil para replicar el análisis.

30.- En resumen, la conferencia proporcionó un recorrido completo del procesamiento de un conjunto de datos de imaginación motora BCI usando GPS Analyze, desde los datos crudos hasta los resultados.

Bóveda del Conocimiento construida porDavid Vivancos 2024