Background Issues 7- Epoching and Baselining
Summary
TLDRDieses Video erklärt die notwendige, aber oft problematische Schritte der Basislinienkorrektur in der ERP-Verarbeitung. Es zeigt, wie durch den Einbeziehung eines prästimulus-Basisintervalls in EEG-Epochen und deren Durchschnitt zur Analyse von ERPs die Messung verzerrt werden kann. Der Fokus liegt auf der Bedeutung der korrekten Basislinienbestimmung, um die Auswirkungen von Rauschen und vorhergehender Aktivität auf die ERP-Amplitude zu minimieren und somit statistisch signifikante Ergebnisse zu erzielen.
Takeaways
- 🧠 Die Basislinienkorrektur ist ein notwendiger, aber oft problematischer Schritt in der ERP-Verarbeitung.
- 📊 In einem typischen ERP-Experiment werden Reihen von Stimuli mit eindeutigen Ereigniscodes im EEG-Datenfile markiert.
- 🔍 Die Betrachtung der ERP im Zusammenhang mit den Stimuli ist von Interesse, wobei das Zeitnullpunkt der Stimulation ist.
- ⏱️ Für die Durchführung von Durchschnitten müssen die EEG-Epochen für jeden Reiz den prästimulare Baseline-Intervall einschließen.
- 📉 Eine typische Epoche könnte etwa 200 ms vor dem Stimulusbeginn beginnen und 800 ms nach dem Stimulusbeginn enden.
- 🌐 Die Durchschnitte werden aus allen Epochen für einen bestimmten Stimulustyp gebildet, um die durchschnittliche ERP zu erhalten.
- 🔄 Die Basislinienkorrektur ist rechnerisch einfach, aber konzeptionell komplex und ist zur Entfernung von nicht-neuralen, langsamen Potentialen erforderlich.
- 📊 Ohne Basislinienkorrektur könnten Messungen der ERP-Amplituden stark verzerrt werden.
- 🔧 Die einfachste Methode zur Basislinienkorrektur ist die Subtraktion des durchschnittlichen prästimularen Voltages von jedem Punkt im Signal.
- ⚠️ Jede Art von Rauschen oder überlappende Aktivität während des prästimularen Baseline-Intervalls kann die Schätzung des Offsets verzerren.
- 📉 Der Einfluss von Rauschen im Baseline-Intervall kann die Amplitudenmessungen der nach dem Reiz ausgelösten ERP-Komponenten beeinträchtigen.
Q & A
Was ist die Hauptfunktion der Basislinienkorrektur in der ERP-Verarbeitung?
-Die Hauptfunktion der Basislinienkorrektur ist es, den nicht-neuronalen Versatz im EEG-Signal zu subtrahieren, um die Verzerrung der ERP-Amplituden zu vermeiden und somit die statistische Signifikanz der Messungen zu gewährleisten.
Warum ist es wichtig, einen prästimulus-Basislinienintervall in den EEG-Epochen einzuschließen?
-Der prästimulus-Basislinienintervall ist wichtig, um einen Referenzpunkt für die Basislinienkorrektur zu haben und um sicherzustellen, dass der Versatz, der hauptsächlich aus nicht-neuronalen Quellen stammt, entfernt wird.
Was passiert, wenn die Basislinienkorrektur nicht durchgeführt wird?
-Ohne Basislinienkorrektur würden die Messungen der ERP-Amplituden verzerrt sein, was zu enormer, unerklärter Varianz führen und die statistische Signifikanz der Ergebnisse beeinträchtigen würde.
Wie wird die Basislinie in der Praxis für die ERP-Verarbeitung bestimmt?
-Die Basislinie wird normalerweise durch den Durchschnitt des EEG-Signals im prästimulus-Intervall bestimmt, wodurch der Versatz geschätzt und von der gesamten Wellenform subtrahiert wird.
Was sind die möglichen Probleme, die durch das Vorhandensein von Rauschen im prästimulus-Intervall entstehen können?
-Rauschen im prästimulus-Intervall kann die Schätzung des Versatzes verzerren, was dazu führt, dass die gesamte ERP-Wellenform zu viel nach unten oder oben verschoben wird, und die Messungen der ERP-Komponenten beeinträchtigt.
Wie wird das ERP-Signal in einer typischen Experimentssituation verarbeitet?
-In einer typischen Experimentssituation werden für jedes Stimulusereignis Einzeltrial-EEG-Epochen extrahiert, die einen prästimulus-Basislinienintervall enthalten, und dann werden diese Epochen für einen bestimmten Stimulustyp zusammengefasst und durchschnittlich ausgewertet.
Was sind die Schritte, die nach dem Epochen-Auswahlverfahren in der ERP-Verarbeitung durchgeführt werden?
-Nach dem Epochen-Auswahlverfahren wird normalerweise eine Basislinienkorrektur durchgeführt, um den Versatz im EEG-Signal zu subtrahieren, bevor die Durchschnitte der ERPs berechnet werden.
Was ist das Konzept der Antwortsperre in Bezug auf die ERP-Experimente?
-Die Antwortsperre bezieht sich auf die Aktivität, die auf die Reaktion des Probanden reagiert, anstatt auf das Stimulusereignis. In solchen Fällen erstreckt sich jede Epoche von 500 ms vor der Antwort bis 500 ms danach.
Welche Rolle spielen Event-Codes in der ERP-Experimentierung?
-Event-Codes sind spezifische Markierungen im EEG-Datenfile, die jedes Stimulusereignis und jede Antwort identifizieren, um die jeweiligen ERPs zu extrahieren und zu analysieren.
Wie kann man die Genauigkeit der ERP-Berechnungen verbessern?
-Die Genauigkeit der ERP-Berechnungen kann durch die sorgfältige Auswahl des prästimulus-Basislinienintervalls und die Reduzierung von Rauschen im EEG-Signal verbessert werden.
Was sind die möglichen Auswirkungen von Rauschen auf die ERP-Amplitudenmessungen?
-Rauschen im prästimulus-Basislinienintervall kann die Schätzung des Versatzes verzerren und damit die Amplitudenmessungen der ERP-Komponenten nach dem Stimulus beeinflussen, was zu unzuverlässigen Ergebnissen führen kann.
Outlines
🧠 Grundlagen der Basislinienkorrektur in ERP-Verarbeitung
Dieses Video behandelt die Basislinienkorrektur, einen einfachen aber oft problematischen Schritt im ERP-Prozess. Es wird erklärt, dass in einem typischen ERP-Experiment eine Serie von Stimuli mit eindeutigen Ereigniscodes im EEG-Datenfile markiert ist und dass jedes Stimul eine Antwort nach sich zieht, die ebenfalls mit Ereigniscodes gekennzeichnet ist. Der Fokus liegt auf der Betrachtung des ERP im Zusammenhang mit den Stimuli, wobei das Stimul die Zeit Null im ERP-Durchschnitt darstellt. Vor der Erstellung von Durchschnitten müssen die Einzeltrial-EEG-Epochen für jedes Stimul extrahiert werden, wobei diese eine prästimulare Basislinienintervall enthalten sollten. Ein typischer Epoche könnte etwa 200 ms vor dem Stimulansatz beginnen und 1000 ms nach dem Stimulansatz enden. Danach werden alle Epochen für einen bestimmten Stimulustyp zusammengefasst und durchschnittlich ausgewertet. Der Abschnitt endet mit der Einführung in die Basislinienkorrektur als einen rechnergestützt einfachen, aber konzeptuell komplexen Schritt.
Mindmap
Keywords
💡ERP
💡Baseline Correction
💡Event Code
💡EEG
💡Epoch
💡Stimulus
💡N170
💡Oddball Experiment
💡Non-neural Slow Potentials
💡P3 Peak
Highlights
Berechnung der Basislinieneinstellung ist ein notwendiger, aber oft problematischer Schritt im ERP-Prozess.
ERP-Experimente beinhalten eine Serie von Reizen, mit eindeutigen Ereigniscodes in der EEG-Datendatei.
Die Epochen sollten einen prästimulus-Basislinienintervall enthalten, um die ERP-Auswirkungen zu analysieren.
Typische Epochen umfassen einen Bereich von 200 ms vor dem Reizbeginn bis 800 ms danach.
Die Durchschnitte der ERPs werden durch die Zusammenfassung aller Epochen für einen bestimmten Reiztyp erstellt.
Bei der Antwortscodes-Aktivität werden die Epochen von 500 ms vor der Reaktion bis 500 ms danach betrachtet.
Epochen-Erstellung ist einfach, die Basislinieneinstellung ist jedoch konzeptionell komplizierter.
Basislinieneinstellung ist notwendig, um die nicht-neralen, langsamen Potentiale aus dem EEG zu subtrahieren.
Ohne Basislinieneinstellung könnten die Messungen der ERP-Amplituden stark verzerrt werden.
Einfache Methode zur Subtraktion des Offsets besteht darin, den Durchschnitt des prästimulus-Voltages zu berechnen und von jedem Punkt im Signal zu subtrahieren.
Jedoch kann der Offset durch vorhergehende Aktivitäten oder Rauschen verzerrt werden, was die gesamte ERP-Welle beeinträchtigt.
Ein positiver Rauschen-Sprung im prästimulus-Intervall kann den Offset zu hoch schätzen und die gesamte Welle zu viel nach unten verschieben.
Rauschen im prästimulus-Bereich kann die Messung der ERP-Komponenten nach dem Reiz beeinflussen.
Bewertung der ERP-Wellen, selbst nach Durchschnittsbildung, zeigt, dass Rauschen im Basislinienintervall einen großen Einfluss auf die Amplitudenmessungen hat.
Die Bedeutung der korrekten Basislinieneinstellung für die statistische Signifikanz und die Interpretation der ERP-Daten.
Die Herausforderungen bei der Basislinieneinstellung, insbesondere durch das Einbeziehen von Rauschen aus dem vorhergehenden Reiz.
Die Notwendigkeit der sorgfältigen Auswahl des prästimulus-Bereichs, um die Genauigkeit der ERP-Analyse zu gewährleisten.
Transcripts
In this video, I’m going to discuss a simple, necessary, but often problematic step in ERP
processing called baseline correction. It seems simple, but it’s something you really
need to think about when you’re reading ERP papers.
In a typical ERP experiment, you have a series of stimuli, each of which is marked with a
distinct event code in the EEG data file. And you’d have a response for each stimulus,
which are also marked with event codes. Usually, we’re interested in looking at
the ERP related to the stimuli, so the stimulus is time zero in our ERP averages. Before we
make our averages, we have to pull out the single-trial EEG epochs for each stimulus.
For reasons that will become clear soon, these epochs should include a prestimulus baseline
interval. So, a typical epoch might be something like this, beginning 200 ms prior to stimulus
onset and extending for 1000 ms, ending 800 ms after stimulus onset.
We’d grab an epoch like this for every stimulus. Then we’d take all of the epochs for a given
stimulus type and average them together. For example, in an N170 experiment with faces
and cars, we’d grab all the epochs for the face stimuli and make one average, and then
we’d grab all the epochs for the car stimuli and make another average.
Sometimes we like to look at response-locked activity, in which case each epoch might go
from 500 ms before each response to 500 ms after. But for the rest of this video, we’re
going to focus on stimulus-locked averages. OK, that’s epoching, which is pretty simple.
The next step is usually baseline correction, which is computationally easy but conceptually
complicated. Here’s an example that shows why baseline
correction is necessary. This is 9 seconds of EEG data from an oddball experiment with
frequent Xs and rare Os. The EEG is riding on top of a bunch of non-neural
slow potentials, mainly arising from the skin or from static charges in the electrodes themselves.
This voltage offset changes slowly over time, and it can be huge. In this example, it’s
around 85 microvolts. But it’s unpredictable. It might be 85 microvolts or 792 microvolts
or negative 323 microvolts. If we didn’t somehow subtract out the offset,
our measures of ERP amplitudes would be incredibly distorted. For example, it might seem as if
our P3 peak for the oddball was 115 microvolts, but most of that voltage isn’t even coming
from the brain. And we might see a voltage of -370 microvolts if we measured the same
subject on a different day. So, if we didn’t subtract out this offset, we’d have enormous
unexplained variance, and nothing would ever be statistically significant.
Fortunately, there’s an easy way to subtract out the offset in our single-trial EEG epochs.
Here’s an example. You can see a small offset due to skin potentials, etc.
We start with the assumption that the voltage immediately prior to the stimulus is a good
estimate of the offset, although it also contains some random EEG noise. If we take the mean
voltage over the 200 ms prior to the stimulus, most of the random EEG noise will average
out, and we’ll be left with a reasonable estimate of the offset.
We then subtract that mean prestimulus voltage from every point in the waveform, causing
the whole waveform to shift downward. Now the average prestimulus voltage is hovering
around zero. This seems pretty straightforward — What
could possibly go wrong? Well, here’s the problem: Any noise or overlapping activity
from the previous stimulus will distort the prestimulus voltage, and the baseline correction
procedure will cause that distortion to propagate to the entire ERP waveform.
Here’s the same ERP waveform as before, but now there’s a little noise blip in the
pretrial interval. Just a little random noise deflection. After all, this is single-trial
EEG data, so there’s all kinds of noise. This positive noise blip causes the estimate
of the offset to be too positive, and when we subtract this too-positive value from the
whole waveform, the waveform is shifted downward by too much. See how the baseline-corrected
waveform with the noise blip is shifted too far down?
Noise like this is equally likely to be positive or negative, but it can still be a problem.
The key here is that noise during the prestimulus baseline period impacts our measures of the
ERP components that are triggered by the stimulus. So, when you’re looking at ERP waveforms—even
after averaging—if you see a lot of noise in the baseline period, that noise will have
a big impact on the amplitude measures in the poststimulus period.
تصفح المزيد من مقاطع الفيديو ذات الصلة
Übungsaufgabe - Lambert-beer'sches Gesetz: Konzentration berechnen | Physik - Grundlagen
Schiefes Haus - Teil 2 | PETER BAUT
Molare Masse und molares Volumen I musstewissen Chemie
Easiest Way to Understand Compression
Das passiert, wenn Du Haferflocken isst! (günstige Heilpille) - Arzt erklärt | Doc Felix
Der Elektromotor
5.0 / 5 (0 votes)