EEGIFT: group independent component analysis for event-related EEG data.
EEGIFT: group independent component analysis for event-related EEG data.
复制标题
DOI：
10.1155/2011/129365
复制
发表时间：
2011
影响因子：
--
通讯作者：
Calhoun VD
中科院分区：
文献类型：
--
作者：
Eichele T;Rachakonda S;Brakedal B;Eikeland R;Calhoun VD
独立分量分析 (ICA) 是一种强大的源分离方法，已用于分解 EEG、MRI 和并发 EEG-fMRI 数据。 ICA 天生不适合进行群体推论，因为在个体之间识别和排序组件是一个不平凡的问题。解决此问题的一种方法是创建包含所有受试者观察结果的聚合数据，估计一组组件，然后在各个数据中对其进行反向重构。在这里，我们描述了这样一个用于事件相关脑电图的组级时间 ICA 模型。当用于脑电图时间序列分析时，使用群体模型进行成分检测和反向重建的准确性取决于个体内和个体间时间以及事件相关脑电图过程的锁相程度。我们在混合数据的组分析中说明了这种依赖性，该混合数据由三个具有不同程度的延迟抖动和可变拓扑的模拟事件相关源组成。针对多种算法的源 FWHM 1、2 和 3 倍的时间抖动，测试了重建精度。结果表明，组 ICA 足以分解具有生理抖动的单个试验，并以高精度重建事件相关源。
Independent component analysis (ICA) is a powerful method for source separation and has been used for decomposition of EEG, MRI, and concurrent EEG-fMRI data. ICA is not naturally suited to draw group inferences since it is a non-trivial problem to identify and order components across individuals. One solution to this problem is to create aggregate data containing observations from all subjects, estimate a single set of components and then back-reconstruct this in the individual data. Here, we describe such a group-level temporal ICA model for event related EEG. When used for EEG time series analysis, the accuracy of component detection and back-reconstruction with a group model is dependent on the degree of intra- and interindividual time and phase-locking of event related EEG processes. We illustrate this dependency in a group analysis of hybrid data consisting of three simulated event-related sources with varying degrees of latency jitter and variable topographies. Reconstruction accuracy was tested for temporal jitter 1, 2 and 3 times the FWHM of the sources for a number of algorithms. The results indicate that group ICA is adequate for decomposition of single trials with physiological jitter, and reconstructs event related sources with high accuracy.
登录
查看更多内容
影响因子：
7.8
作者：
Hyvärinen, A;Oja, E
通讯作者：
Oja, E
影响因子：
5.7
作者：
Beckmann, CF;Smith, SM
通讯作者：
Smith, SM
影响因子：
2.5
作者：
Feige, B;Scheffler, K;Seifritz, E
通讯作者：
Seifritz, E
影响因子：
5.7
作者：
Calhoun VD;Liu J;Adali T
通讯作者：
Adali T
影响因子：
4.8
作者：
Calhoun, VD;Adali, T;Pearlson, GD
通讯作者：
Pearlson, GD