El Fin Del Conocimiento - Bóveda 3 - G.TEC BCI & Escuela de Primavera de Neurotecnología 2024 - Día 9

graph LR classDef main fill:#f9d4d4, font-weight:bold, font-size:14px classDef analyze fill:#d4f9d4, font-weight:bold, font-size:14px classDef test fill:#d4d4f9, font-weight:bold, font-size:14px classDef mindbeagle fill:#f9f9d4, font-weight:bold, font-size:14px classDef process fill:#f9d4f9, font-weight:bold, font-size:14px Main["Rupert Ortner"] --> Analyze["Análisis fuera de línea de ERP
con GBS Analyze. 1"] Main --> Test["Demostración simple usando
datos de prueba. 2"] Test --> Data["8 canales EEG,
10 ensayos. 3"] Test --> Visualize["Cargar, acercar, desplazar,
visualizar atributos. 4"] Test --> Average["Corrección de línea base, promedios
de clases separadas, estadísticas. 5"] Average --> Plot["Graficar ERPs objetivo/no objetivo,
resaltar diferencias. 6"] Main --> MindBeagle["Análisis de datos del dispositivo
MindBeagle. 7"] MindBeagle --> Import["Importar datos no filtrados
en GBS Analyze. 8"] MindBeagle --> Filter["Filtro paso banda 0.5-30 Hz,
notch 50/60 Hz. 9"] MindBeagle --> Adjust["Ajustar escala, excluir
canales, cargar geometría. 10"] MindBeagle --> Trigger["Cortar EEG en
ensayos usando marcadores. 11"] Trigger --> Define["Definir disparadores objetivo/no objetivo,
línea base, post-estímulo. 12"] MindBeagle --> Artifact["Promedio revela artefactos
que necesitan corrección. 13"] Artifact --> Detrend["Aplicar detrend a
cada ensayo. 14"] Artifact --> Reject["Rechazo manual de artefactos,
excluir ensayos malos. 15"] MindBeagle --> Clean["Promedios finales más limpios
después del procesamiento. 16"] Main --> Options["Cambiar escalas, seleccionar
canales/ensayos, disparadores de hardware. 17"] Main --> KeySteps["Filtrado, disparo, artefactos,
promediado son clave. 18"] Main --> Learn["Datos de prueba para
aprender software. 19"] Main --> RealData["Datos reales necesitan
preprocesamiento cuidadoso. 19"] Main --> GUI["GBS Analyze: GUI interactiva
para EEG/ERP. 20"] class Main main class Analyze,Average,Plot analyze class Test,Data,Visualize test class MindBeagle,Import,Filter,Adjust,Trigger,Define,Artifact,Detrend,Reject,Clean mindbeagle class Options,KeySteps,Learn,RealData,GUI process

Resumen:

1.- Rupert demuestra cómo realizar un análisis fuera de línea de potenciales relacionados con eventos (ERPs) utilizando el software basado en MATLAB GBS Analyze.

2.- Rupert comienza con una demostración simple utilizando datos de prueba incluidos con GBS Analyze para demostrar el promediado y el análisis estadístico de ERPs.

3.- Los datos de prueba tienen 8 canales EEG, 10 ensayos, y ya están disparados, conteniendo ensayos objetivo y no objetivo de un paradigma visual.

4.- Rupert muestra cómo cargar los datos, acercar/alejar, desplazarse a través de los ensayos y visualizar los atributos de los ensayos y canales.

5.- En el menú Analyze > Average, hay opciones disponibles para la corrección de línea base, calcular promedios separados para diferentes clases de ensayos y análisis estadístico.

6.- Rupert demuestra cómo graficar los ERPs promedio objetivo y no objetivo para cada canal, con diferencias significativas entre clases resaltadas.

7.- A continuación, Rupert muestra el análisis de datos de su nuevo dispositivo MindBeagle, importando los datos en GBS Analyze.

8.- Los datos de MindBeagle se almacenan sin filtrar para preservar la información. Rupert muestra cómo aplicar un filtro paso banda a los canales EEG de 0.5-30 Hz.

9.- Se utiliza un filtro notch a 50 Hz (Europa) o 60 Hz (EE.UU.) para eliminar la interferencia de la línea eléctrica. Se excluyen canales según sea necesario.

10.- Se ajusta la escala para visualizar las señales EEG. Se puede cargar un archivo de geometría que especifique las posiciones 3D de los electrodos para graficar topográficamente.

11.- Se realiza el disparo para cortar el EEG continuo en segmentos (ensayos) basados en eventos de estímulo, utilizando marcadores (disparadores de software).

12.- Se definen disparadores objetivo y no objetivo, especificando una línea base de 100 ms pre-estímulo y 700 ms post-estímulo, resultando en 270 ensayos.

13.- Se realiza el promediado nuevamente, revelando algunos artefactos en ciertos canales/ensayos que requieren corrección.

14.- Una opción rápida para manejar artefactos es aplicar un detrend a cada ensayo para eliminar el desplazamiento.

15.- También se muestra el rechazo manual de artefactos, desplazándose a través de los ensayos y marcando los artefactuales, que luego se excluyen del promediado.

16.- Los promedios finales se ven más limpios después de aplicar detrend y rechazar artefactos.

17.- Se mencionan opciones de análisis como cambiar escalas, seleccionar subconjuntos de canales/ensayos y usar disparadores basados en hardware.

18.- El filtrado, el disparo, el manejo de artefactos y el promediado son pasos clave en el análisis de ERPs.

19.- Los datos de prueba permiten aprender el software, mientras que los datos reales requieren una inspección y preprocesamiento cuidadosos.

20.- GBS Analyze proporciona una GUI interactiva para cargar, preprocesar, analizar y visualizar datos EEG/ERP de manera flexible.

Bóveda de Conocimiento construida porDavid Vivancos 2024