Ich führe ein EEG-Experiment mit einem modifizierten Design für auditive Mismatch-Negativität (MMN) durch und frage mich, ob mir jemand die beste Methode für die Datenanalyse sagen kann (und auch Statistikprogramme / -pakete für diesen Zweck empfehlen kann).
Das Experiment wird nur wenige (6-8) Probanden mit einer hohen Anzahl von Versuchen pro Proband (~700) haben. Die übereinstimmende Bedingung macht 75 % der Versuche aus. Die Stimuli werden aus einem geschlossenen Satz von 10 Items ausgewählt, mit einer gleichen Häufigkeit von Items in den übereinstimmenden/nicht übereinstimmenden Bedingungen.
Einer der Unterschiede zwischen dieser Studie und normalen auditiven MMN-Aufgaben besteht darin, dass die erwarteten/unerwarteten Stimuli zwischen den Versuchen variieren, wobei die Erwartung von Versuch zu Versuch festgelegt wird. Daher ist es möglich, dass die Differenz der ereignisbezogenen Potenziale (ERPs) zu erwarteten/unerwarteten Stimuli aufgrund kleiner Schwankungen als Reaktion auf diese sich ändernden Stimuli ausgeglichen wird.
Kennt jemand da draußen die besten EEG-Datenverarbeitungs- und Analysetechniken, um das kleine ERP als Reaktion auf auditive MMN-Stimuli zu erkennen? Kann jemand Techniken empfehlen, um zu vermeiden, dass kleine ERPs, deren Latenzen variieren können, gemittelt werden?
Programme/Pakete für die EEG-Analyse
Es gibt anständige MatLab-Toolboxen mit guten Tutorials für die Analyse von EEG-Daten. Die EEGLAB-Toolbox ( Tutorial ) kann sowohl über die GUI als auch über die Befehlszeile (und das Skript) bedient werden. Die Fieldtrip-Toolbox ( Tutorial ) wird hauptsächlich per Kommandozeile / Skript bedient.
Natürlich gibt es auch (kommerzielle) Softwarepakete zur EEG-Analyse, die kein Matlab benötigen (zB BESA , Brain Vision Analyzer , eeprobe ), aber die kenne ich nicht.
Gibt es Techniken, um die Mittelung kleiner ERPs zu vermeiden, deren Latenzzeiten variieren können?
Nein wahrscheinlich nicht. ERPs werden durch Mittelung über mehrere Versuche berechnet, da diese Mittelung alle zeitlich zitternden Komponenten (d. h. hauptsächlich Rauschen) auslöscht, dh das, was Sie vermeiden möchten (Auslöschen von zitternden Komponenten), ist eigentlich der Zweck der Berechnung von ERPs.
Zur Sicherheit sollte man sich aber Testberichte oder Tutorials zur Messung der Mismatch-Negativität anschauen. Siehe zum Beispiel
Duncan CC, Barry RJ, Connolly JF, Fischer C, Michie PT, Näätänen R, Polich J, Reinvang I, Van Petten C. (2009) Ereignisbezogene Potenziale in der klinischen Forschung: Richtlinien zur Erhebung, Aufzeichnung und Quantifizierung von Mismatch-Negativität, P300 und N400. Klinik Neurophysiol. 120(11):1883-908. ( veröffentlicht )
Ich verwende die FieldTrip-Toolbox in Matlab, um mein eigenes modifiziertes auditives MMN-Experiment zu analysieren :) Aber ich verwende MEG, daher habe ich nicht so viele Softwareoptionen. Die Toolbox ist sehr leistungsfähig, hat aber eine steile Lernkurve und ich würde sie nur empfehlen, wenn Sie bereits Erfahrung mit Matlab- und EEG-Datenanalyse haben.
Ich analysiere meine Daten nicht auf die klassische MMN-Weise, daher kann ich dazu nichts sagen. Ich habe gehört, dass die MMN-Crowd manchmal etwas dogmatisch sein kann, wenn es darum geht, wie man an die Datenanalyse herangeht, also ist es eine gute Idee, sich genaue Informationen zu holen, bevor man sich hinsetzt, um es zu tun. Vielleicht würde es ausreichen, jemanden zu kontaktieren, der eine veröffentlichte MMN-Studie hat.
Einer der Unterschiede zwischen dieser Studie und normalen auditiven MMN-Aufgaben besteht darin, dass die erwarteten/unerwarteten Stimuli zwischen den Versuchen variieren, wobei die Erwartung von Versuch zu Versuch festgelegt wird. Daher ist es möglich, dass die Differenz der ereignisbezogenen Potenziale (ERPs) zu erwarteten/unerwarteten Stimuli aufgrund kleiner Schwankungen als Reaktion auf diese sich ändernden Stimuli ausgeglichen wird.
Da die Frequenzen der Arten von physikalisch unterschiedlichen Reizen in den beiden Zuständen identisch sind, ist dies kein Grund zur Sorge. Aufgrund der geringeren Gesamtzahl von Versuchen wird es jedoch im unerwarteten Zustand im Vergleich zum erwarteten mehr Rauschen geben. Ich bin mir nicht sicher, auf welche Weise dies die Statistiken beeinflussen kann (ich glaube, es würde sie nicht systematisch beeinflussen, aber ich habe keinen Experten gefragt - bitte lassen Sie es mich wissen, wenn Sie es herausfinden!), aber im Allgemeinen so Vorsichtshalber nehme ich eine Zufallsstichprobe erwarteter Versuche, die der Anzahl unerwarteter Versuche pro Teilnehmer entspricht. Auf diese Weise gibt es unter beiden Bedingungen die gleiche Menge an Rauschen, da Sie eine gleich große Stichprobe physikalisch identischer Stimuli haben und der einzige Unterschied in der Stimuluserwartung besteht.
Benutzer3639
Krista