TopoToolbox:使用传感器地形计算与事件相关的脑电图/梅格心理上有意义的措施

文摘

开源工具箱“TopoToolbox”是一套函数,使用传感器地形计算心理上有意义的措施(相似度、大小和时间)从多传感器与事件相关的脑电图和梅格数据。使用一个GUI和数据可视化,TopoToolbox可以用来计算和测试不同条件之间的地形相似(田和胡贝尔,2008)。该地形相似性表明不同条件下是否涉及潜在的神经来源的不同分布。此外,这种相似性计算可以应用在不同的时间点发现响应模式时出现(田和Poeppel, 2010)。因为地形分别获得为每个单独的模式,这些模式是用于生产可靠的措施相比,响应大小,可以在个人使用传统统计(Davelaar et al .提交和Huber et al ., 2008)。TopoToolbox可以免费下载。它运行在MATLAB (MathWorks, Inc .)和支持用户定义的数据结构以及标准脑电图/梅格数据导入使用EEGLAB (Delorme Makeig, 2004)。

1。介绍

本教程介绍一个免费的开源工具箱,包括地形分析功能与事件相关的电生理数据(EEG /梅格)。这些分析不解剖定位神经来源。相反,通过提供强劲的措施响应相似条件和响应大小为每个条件,多变量分析是用来测试心理理论。这些技术并不新鲜,以前提出和验证1,2]。然而,实施在一个用户友好的工具箱是新的。TopoToolbox的核心程序计算一个脑电图/梅格地形之间的角维传感器的空间,在那里是传感器的数量。这个工具箱叫做TopoToolbox和它使用MATLAB (MathWorks Inc .)分析用户定义或EEGLAB [3标准化的数据集。它可以从下载https://files.nyu.edu/xt235/public/一个详细的教程,手册,可以找到示例数据。

多元方法经常用于分析功能磁共振成像实验(4- - - - - -8),和类似的多元方法开始出现在脑电图/梅格的研究。但是,与功能磁共振成像研究,多元分析涉及多个结构上定义的体素,多变量分析EEG /梅格涉及多个传感器(例如,电极或鱿鱼磁力计),每个反映潜在的神经来源的混合物。因此,脑电图/梅格,这些分析通常是在传感器空间而不是源空间。

我们简要回顾一些先前提出的脑电图/梅格多元分析方法。这些密切相关的几个分析包含在TopoToolbox,我们进一步考虑这些关系的讨论。全球领域力量(绿色荧光蛋白;(9])是第一个使用多个传感器在脑电图数据的措施。GFP是所有传感器从全球的标准差的意思。莱曼和Skrandies9)也提出了地形测量称为全球不同(侮辱),的平方根平方的均值之间的差异首先扩展后的传感器传感器值除以每个条件的(即GFP的条件。正常化后,两个传感器之间的欧几里得距离向量的长度1.0)。非参数方法称为TANOVA(地形方差分析)提出了统计测试的意义贬低价值两大地貌通过计算平均零假设分布从重复数据的随机排列10- - - - - -12]。类似于分析包含在TopoToolbox,贬低是一个基于传感器测量空间。相比之下,一些最近的多元分析开发转换数据的多传感器与事件相关的脑电图/梅格实验使用一套基础,如与独立成分分析(例如,13)审查[14])。空间,因此,这些技术在组件,每个组件是一个派生地形模式,而不是基于原始地形执行测试传感器的空间。

与传统waveform-based分析相比,地形分析有以下优点。首先,地形分析使用的所有数据在一个单一的测试,没有遭受“双降”,问题可以出现多个比较(15,16]。第二,脑电图波形分析是高度依赖于参考频道选择(参见评审穆雷et al。17])和梅格波形分析很难结合在传感器的个人空间由于巨大差异在同一传感器不同的个体的反应(18]。第三,波形分析不能确定是否改变之间的条件更可能是由于神经的变化响应大小或潜在的神经来源的分布的变化引起的响应(1]。即使目标是解剖定位,分析基于传感器地形可以提供一个重要的中间步骤和有效性检查前源分析。此外,多元分析可用于测试心理学理论(例如,“如何”)在缺乏解剖定位(例如,“地方”)。

有一系列的技术,使用多个传感器解剖定位神经反应(19]。然而,这些技术往往使强大的假设,例如时间和解剖基础神经来源之间的独立性。基于传感器地形组件空间内的工作,而不是源空间,独立成分分析(20.)已被证明有助于提取独立噪声组件如跳动的心脏或眨眼(21]。Pascual-Marqui和他的同事们(22]提出了一种数据驱动,hypothesis-free地形分析的电生理学,盲目地把大平均到不同响应组件通过使用多个空间模板应用到每一个单独的数据集。

除了少数分析传感器的选择和整个多元传感器地形,电生理实验的另一个选择是是否要分析每个单独与整个数据集在所有参与者。因为个人不同的解剖结构和任务相关的神经反应(23,24),平均个人可以产生不可靠的结果,特别是在梅格数据(见[1]可靠性对比传感器选择分析和投影测试包含在TopoToolbox)。但是,如果目标是推断的成年人,那么有必要使用统计测试主题作为随机因素。如果不考虑空间和时间个体差异在个人平均,在最好的情况下这将减少信噪比和最坏的可能偏差结果。上述多元方法不提供措施相比,可以在个人以可靠的方式根据这些个体差异。TopoToolbox的主要优势之一是能够规范化与个体差异和获得一个大小测量,心理上有意义1]。到目前为止,这种方法已经成功地应用于跨多种实验范式(梅格数据1,2,25,26),证明其能力产生可靠的措施相比,可以在个人。

2。方法

本节描述在TopoToolbox方程和算法实现。一些细节省略,如导航菜单的工具箱和特定的参数选择。这些细节和示例数据的描述可以从下载https://files.nyu.edu/xt235/public/。工具箱的核心是一个两阶段分析,首先量化地形相似,第二量化反应级通过地形投影。在本教程中,我们也描述的新成员的工具箱,评估动态变化观察地形。

第一阶段(角测试)之间的相似性度量计算不同条件下的结果。显著的不同表明,观察整个传感器定性模式改变,比如可能发生不同潜在神经来源的混合物。例如,如果一个条件唤起在听觉皮层反应而另一个条件唤起视觉皮层的反应,那么这种分析得出的模式是不同的,即使在同一测量延迟。然而,如果模式不是发现是不同的,然后第二阶段计算几何之间的预测模式,用于指示是否有变化响应大小(即。,或多或少的模式)。这样做是单独为每个单独的基于个人的“模板”的反应。因为这些预测是规范化为每个单独的,这一阶段是统计测试的结论在个人。

因为这些方法使用传统的零假设测试(在未来的工作中,我们计划补充TopoToolbox贝叶斯统计),未能找到一个显著差异的角度测试并不一定表明,感兴趣的条件(即没有什么差别。,有一个未知的II型错误率)。此外,如果非常不幸,两个不同的神经来源的分布在理论上可以产生完全相同的地形模式(例如,一个反问题)。撇开这个偏远的可能性,可以使用两个测试相结合,以确定最好的解释之间的变化条件的改变神经来源的分布与反应程度的变化。更具体地说,因为两个测试操作相同的数据,他们都具有相同的统计力量,和结果的差异角度测试失败但投影测试产生显著差异支持的结论有所改变大小。

2.1。角测试:地形相似

的地形分析TopoToolbox假设每个传感器提供了一个独特的尺寸变化。因此,2 d或3 d空间布置的传感器是无关紧要的。相反,所有的传感器都同样重要的是不管他们的位置。的维空间模式在传感器不同的实验条件(例如,条件的模式条件与模式)与一个第一次评估角测试。的维传感器空间角()计算来衡量这些模式(参见图之间的相似度1与2传感器为例,这是最大的数量的传感器可以准确地描述写的页面)。如果这两个条件产生类似的神经来源的分布,然后角度传感器空间将是0度,即使一个条件产生更大的响应幅度比其他条件。然而,如果两种模式是完全相反的(即。,信号翻转),那么角。角是衡量计算夹角的余弦值,这是一个规范化的两个传感器之间的向量点积(1)。如果传感器数据零中心(例如,使用平均参考通道),这是正式的皮尔森相关系数。我们这余弦角角度测量。的角度测量范围从−1比1,−1是完全相反的观察模式和1是完全类似的观察模式(无论大小)。因为这角度测量我们之间的计算条件下,词的吗之间的角度测量:

一个零假设需要统计评估之间的角度测量(即。,is the angle between conditions greater than expected based on chance). There may be other methods for constructing a null hypothesis, but a simple solution is to separate the experiment into two halves and then calculate之间的与在角措施基于模式发现每一半,平均条件,和个人。的角度测量计算分别在每个诱发时间点,然后这些单独的角的措施在一个时间窗口平均增加可靠性。开始和终点的平均窗口可以设置,特别是中间的平均窗口可以单独调整为每个单独的考虑,不同的人往往会产生波形,达到高峰值在不同的时间(见[1]因为个体差异的证据持续时间达到峰值响应)。如果实验的分离成两半是根据试验数量(第一和第二实验会话)的一半,这产生一个零假设,包括方差随时间变化而变化,如头部位置可能发生什么变化。然而,工具箱还允许分离成两半可以做以交叉的方式(奇数试验与偶数试验)或通过一个随机试验。零假设是基于在两部分之间的角度测量,比较了反应每个人而同样的条件之间的角度测量比较之间的反应不同的条件为每个单独的两半。

要理解这些计算的性质,考虑两个条件之间的比较(和)实验部分(a和b)与10个人在实验中。零假设在第一个人发现角测量的平均值角度测量的角度测量和实验之间的发现角测量的平均值角度测量的角度测量。这些相同的值计算其他9个人,然后10之间的差异在和10之间的角措施统计评估。重要的是要注意,虽然直接角需要统计测试数据为圆形设计,角度测量在TopoToolbox余弦角,这是一个非圆形区间尺度的零假设没有区别。此外,如果zero-centered传感器数据,然后角度测量是一样的皮尔森相关系数,这是传统上测试使用分布。因此,TopoToolbox使用配对以及确定响应模式显著不同的人口在两种实验条件。

如果之间的角度测量远远小于在角度测量,那么这两个实验条件明显不同,导致一个明确的结论,不同的混合神经来源负责条件之间的变化。此外,这样的结果表明,投影测试,描述下,不应该运行和产生模棱两可的结果,因为它会使响应大小相似的反应。另外,未能得出结论,这两个条件明显不同的暗示(a)类似的神经来源的分布产生在两种条件下的响应模式(b)两种不同分布的神经来源发生产生相同的地形模式(远程可能性),或(c)以及没有足够强大的检测不同。统计能力可以解决的问题与投影测试。更具体地说,如果投影测试得出结论,两个条件之间的响应大小明显不同,这表明,有足够的力量已经检测出不同的反应相似。

2.2。投影测试:对模板测量响应大小正常化

大多数与事件相关的电生理研究分析响应的大小在不同条件下选择一些传感器。这些分析,很容易得出结论说,增加的响应(更大的积极或消极)级对应增加潜在的神经反应。然而,当考虑几个传感器,目前尚不清楚增加反映神经反应的大小增加或增加是否反映神经来源的分布的变化,一些新的源产生明显增加。简单地说,问题在于,大脑更大程度上也做了同样的事情在一个条件,或者大脑是否在两种不同条件下两种不同的东西。这个问题的答案可以用来区分竞争心理理论。如上所述,角测试可以用来确定神经来源的分布变化之间的条件。如果条件似乎足够相似的(不是明显不同),然后投影测试可以用来确定潜在的神经来源的大小增加或减少。

除了提供一个结论基于神经响应大小(失败的角测试),的另一个优点投影测试规范对个体差异的能力,从而提供一个更可靠的测量。这是通过预测(2在每个条件)传感器模式()在模板模式(参与者(图)1)。与角度测量分开,这样做是在每个时间点和窗口平均用于进一步提高可靠性。模板通常是整个传感器响应模式在其他条件窗口平均使用相同的反应。这个投影的成功的关键是选择的模板。模板应该包括心理过程一样感兴趣的条件(见下面的例子)。因为不同的模板模式是用于每个个体,投影值(即应该躺在相同的规模。个人,或多或少的模板响应)。因此,个人通过标准化消除地形差异。此外,提供的模板是一种“干净”的模式,它是相对缺乏的重叠波形反应(与实验条件),投影可以净化反应级通过消除重叠正交的波形响应模板:

就像角测试,投影测试在个人使用统计测试是配对吗t以及。然而,在的情况下投影测试不是一个,比较之间的角度测量和在角度测量,而是一个条件与投影的投影值为每个单独的价值在其他条件。

立即启动实验(26)提供了一个示例的一个合适的模板反应和使用角度和投影测试。在这个实验中,每一个试验提出了一个基本单词为1850 ms紧随其后的第二个基本单词的外观为150 ms(包括基本单词在屏幕上停留了最后150 ms)。接下来,质数消失了,和一个目标词是短暂地一闪而过,然后戴面具。有三个条件取决于这一目标词长时间基本单词(重复长条件),短时间内基本单词(短条件),或两个基本单词(小说条件)。梅格被记录在这个实验中,测量感兴趣的是M170目标词。然而,由于短期'之前出现150 ms的目标词,因为面具后的目标词,有大量污染M170模式的目标词(由于M400短期基本单词和M100面具)。相比之下,第一个基本单词M170提供一个“干净”的M170用作模板模式规范化M170每个目标词。因为M170的时机有个体差异,每个人有不同的女士22模板根据个人的巅峰M170时间窗口(如由均方根所有157个传感器)。

启动效应被定义为之间的差异(例如,启动条件长条件)和一个未灌注的条件(例如,小说条件)。结束前是否启动导致M170减少或增加,角测试是用来评估是否每个启动条件未灌注的条件是不同的。这些在和之间的角计算为每个单独使用相同的女士22时指定窗口由个人模板反应(除了这个窗口放置在与目标词的出现而不是第一个基本单词)的发病。因为合成角测试未能找到任何相似性差异,投影测试是用于每个启动效应。作为预测的神经适应性模型启动(27],这些测试表明,神经反应有显著减少目标词的M170时重申了长期基本单词但不重复时短时间内基本单词(26]。没有这些地形分析,这一理论的结论是不可能的,因为(1)地形差异在个人不可靠的统计检验,(2)重叠波形产生一个目标词M170污染,因此不可靠,和(3)统计结论基于一些传感器的大小可能会困惑神经源分布的变化与神经反应大小的变化。

2.3。随着时间的推移角动态测试:评估模式相似

经典定义良好的反应如M170视觉刺激,角测试和投影测试可以用来衡量相似度和响应大小。然而,在其他情况下,波形的峰值不太明确,很难确定一定的响应模式时达到高峰,这种模式能持续多久。的动态响应模式可以通过使用相同的评估角测试相似除了测试应用在每一个时间点,而不是只在一个定义良好的高峰。也就是说,角度测量模板和感兴趣的条件可以计算每个样本的时间点的条件(3)。就像一个定义良好的峰值,在和之间的角措施可以计算在每一个时间点来确定当模板定义的模式最大限度地展现在感兴趣的条件,在什么时间段模板模式不存在:

一个简单的电机实验(2)提供了一个示例演示这个动态模式分析的有效性。梅格实验调查的时间特征的神经来源参与电机执行和意象虽然只有电机执行结果进行了总结。在这个实验中,参与者被要求在一个舒服的速度按下一个按钮听到一个听觉线索。他们被鼓励回应以同样的速度在整个实验。梅格电动机响应测量通过使用平均时间锁的听觉提示(提示锁)和平均通过时间锁定按钮按下(response-locked)。的角动态测试实现通过使用作为模板模式(即response-locked运动反应。,一个classically defined motor response template) that was compared to every time point in the cue-locked epoch. An important validation of this angle dynamics test was whether it could be used to recover the same peak time in the cue-locked epoch as defined using classical methodology. The classically defined peak was identified using the root mean square (RMS) across the sensors to find a peak response. However, in the cue-locked epoch it is not always clear when to look for this peak, and so an RMS peak was chosen for each individual that was near the average reaction time of that individual. The important question was whether the angle dynamics test could find these RMS-defined motor response times in the cue-locked epoch without knowing the average reaction time of each individual.

见图2,之间的和在角措施被发现在每个采样点在cue-locked时代(使用response-locked模板)。这样做是单独为每个单独的,然后这些值与95%置信水平是平均和画产生的情节。的零点设在是运动反应时间达到顶峰均方根值作为了一个经典的定义。这样做是单独为每个单独的,时间显示相对于这些单独决定高峰时期。见图2,之间的角度测量方法在角度测量RMS-defined高峰延迟(即前50微秒。上的零点设在),低于在角度测量峰值后50毫秒延迟。此外,除了验证高峰时间使用的时机角动态测试,角测试高峰期延迟从response-locked模板没有明显不同,而他们是明显不同的前后100 ms峰值延迟。大地形平均图2进一步确认的结果角动态测试女士:cue-locked回应(0)共享相同的分布为模板,而反应100−100 ms和ms显然是不同的模板。这表明分布的神经来源负责电机的反应不同于神经来源之前和之后的分布响应。相比之下,在定义的高峰时间角动态测试应用于cue-locked时代,传感器的模式类似于模板定义了response-locked时代(2]。

这是一个重要的验证角动态测试,使用,它可能是在实验中有一个需要找到峰值的时间没有严格固定刺激发病。例如,考虑一个实验,包括左右按键与按键在一个困难的任务,产生许多错误。Response-locked时代可以用来定义模板模式的左或右按键,然后角动态测试可以计算为每个这些模板在线评估决策过程作为个人获得更多的信息支持一个响应或其他(见[28)一个相关的方法来评估决定证据积累脑电图数据)。

3所示。讨论

有最近的和令人兴奋的发展使用脑电图和梅格分析基于地形模式在整个传感器阵列(17]。许多这些技术是非常复杂和试图提取特定解剖位置的反应神经来源。技术在TopoToolbox也使用地形模式在整个传感器阵列从梅格/脑电图数据中提取更多的信息。然而,而不是试图衡量特定神经来源,这些分析的目标是更简单的问是否神经来源的分布变化之间的条件,如果没有,是否分配或多或少活跃。合成技术相对简单,可以用来问功能问题等(相同或不同角测试),有多少(投影测试),(角动态测试)。

有几种分析方法和相关软件,TopoToolbox密切相关,如TANOVA LORETA [29日,30.)和Cartool (http://brainmapping.unige.ch/cartool)。在TopoToolbox中包含三个核心测试,角测试是组件最类似于这些替代软件包中包含的措施。特别是,尽管角度测量的方程并不是相同的侮辱的方程测量用于TANOVA,已经证明这两个措施之间存在线性关系(31日]。但是,与应用程序TANOVA迪斯的TopoToolbox计算每个参与者的角度分别测量和使用统计测试主题作为随机因素而羞辱的统计检验TANOVA测试between-condition相似性差异平均后的地形在主题和使用非参数引导个体间抽样测试的可靠性。除了占个体差异,的另一个优点角测试在TopoToolbox通过分割实验会话劈成两半,零假设分布正确包括妨害等因素疲劳和头部动作。

以外的相似性角度测量TopoToolbox和迪斯用于TANOVA TopoToolbox还包含投影测试和角动态测试,没有找到其他软件包。因此,尽管有其他方法评估地形相似的模式,只有TopoToolbox有技术确定地形模式是否有增加或减少在其响应大小,确定的测量设备、使用清洁模板模式,也是一个技术决定当地形模式变得最类似于模板模式。角度的组合测试,结合投影测试尤其有用,因为他们可以确定最好的解释之间的变化情况是地形模式发生了改变(建议不同的神经来源分布)或地形模式是否大小改变(建议增加或减少神经响应)。

由于“反问题”,它是困难的,如果不是不可能的话)来推断潜在的神经来源从头皮测量;对于任何地形模式有无限多的神经来源的组合,可以产生这种模式。正是因为这一原因,技术TopoToolbox不要试图识别潜在的神经来源。相反,TopoToolbox的目的是定性比较,评估潜在的神经来源的分布是否可能已经改变了,这将产生一个不同的地形模式,以及潜在的神经来源的分布是否可能会有增加或减少,这将产生相同的地形模式但响应大小的变化模式。然而,这些技术仍然是一个逆问题;可想而知,同样的地形模式中观察到两个条件(即。未能找到与不同的模式角测试),尽管潜在神经来源的分布是不同的。然而,这种情况的可能性似乎是考虑到条件比较低通常在相同的任务,涉及到相同的认知过程。部分解决这个问题,田和Poeppel2)的结果进行比较角测试源分析,结果显示源分析显示不同来源时角测试建议分布的神经来源是不同的。然而,源分析也患有一个逆问题,理想的方法来验证这个限制,以及限制由于使用零假设测试,将使用“地面实况”等比较颅内脑电图。

在缺乏进一步验证这些技术与颅内脑电图相比,我们有证明投影测试减少可变性规范对个体地形差异,个人时间的峰值响应差异,从重叠的波形和污染1),我们也证明了角动态测试可以恢复的时间运动反应(这里也报道了田和Poeppel2])。最重要的是,越来越多的研究发现这些技术是可靠的和有用的(例如,2,25,26])。

4所示。结论

介绍了一个新的基于从地形上的电生理研究分析工具箱(EEG /梅格)。我们证明这些within-participant分析可以正常个体差异和获得心理意义的指标(相似度、大小和时间)从高密度传感器阵列的方式克服了一些传统的波形分析的局限性。

承认

这项研究受到了美国国家科学基金会(NSF)资助下bc - 0843773和美国国防部(DOD)带来过度下负载ARO没有。54228 - ls -墙。

引用

1. x田和d·e·胡贝尔”措施的空间相似性和响应大小在梅格和头皮脑电图,”大脑地形,20卷,不。3、131 - 141年,2008页。视图:出版商的网站|谷歌学术搜索
2. x田和d . Poeppel”心理意象的言论和运动涉及内部提出的动力学模型,”心理学领域,卷1,p。66年,2010年。视图:出版商的网站|谷歌学术搜索
3. a . Delorme和美国Makeig EEGLAB:开源工具箱等实验分析EEG动态独立分量分析,“神经科学杂志》上的方法,卷134,不。1、9、2004页。视图:出版商的网站|谷歌学术搜索
4. d .钎w·e·Mencl w .他泊et al .,“统一的句子处理通过耳朵和眼睛:一个功能磁共振成像研究,“皮质卷,47号4、416 - 431年,2011页。视图:出版商的网站|谷歌学术搜索
5. 和p . n . Kriegeskorte r . Goebel Bandettini,“信息化脑功能映射,”美国国家科学院院刊》上的美利坚合众国,卷103,不。10日,3863 - 3868年,2006页。视图:出版商的网站|谷歌学术搜索
6. t·m·米切尔,s . v . Shinkareva a·卡尔森et al .,“预测人类的大脑活动与名词的含义,“科学,卷320,不。5880年,第1195 - 1191页,2008年。视图:出版商的网站|谷歌学术搜索
7. k·a·诺曼·s·m·Polyn g . j .必要和j . v . Haxby“超越读心术:multi-voxel模式的功能磁共振成像数据分析,“认知科学趋势,10卷,不。9日,第430 - 424页,2006年。视图:出版商的网站|谷歌学术搜索
8. s . m . Polyn v . s . Natu, j·d·科恩和k·a·诺曼“神经科学:范畴特定皮质活动之前检索记忆搜索期间,“科学,卷310,不。5756年,第1966 - 1963页,2005年。视图:出版商的网站|谷歌学术搜索
9. d·莱曼和w . Skrandies Reference-free checkerboard-evoked多通道的识别组件潜在的领域,”脑电图与临床神经生理学,48卷,不。6,609 - 621年,1980页。视图:出版商的网站|谷歌学术搜索
10. Kondakor, r·d·Pascual-Marqui c·m·米歇尔·d·莱曼,“地图与事件相关的潜在差异取决于prestimulus微观状态,”医学工程与技术》杂志上,19卷,不。2 - 3、66 - 69年,1995页。视图:谷歌学术搜索
11. c·米歇尔·t·Koenig·d·布兰代斯l·吉和j . Wackermann电神经成像英国剑桥,剑桥大学出版社,2009年。
12. w·k·斯特里克,a . j . Fallgatter·d·布兰代斯和r·d·Pascual-Marqui”的三维断层与事件相关电位在响应抑制:相位的额叶激活的证据,”脑电图与临床神经生理学,卷108,不。4、406 - 413年,1998页。视图:出版商的网站|谷歌学术搜索
13. s . Makeig t·p·荣格a·j·贝尔,d . Ghahremani和t . j . Sejnowski“盲人的听觉与事件相关的大脑反应分离成独立的组件,”美国国家科学院院刊》上的美利坚合众国,卷94,不。20日,第10984 - 10979页,1997年。视图:出版商的网站|谷歌学术搜索
14. j . Onton m·韦斯特菲尔德,j·汤森,s . Makeig”成像人类使用独立分量分析动态脑电图,”神经科学和生物行为的评论,30卷,不。6,808 - 822年,2006页。视图:出版商的网站|谷歌学术搜索
15. n . Kriegeskorte w·k·西蒙斯,p . s . Bellgowan和c。贝克,“循环分析系统神经科学:双倾斜的危险,”自然神经科学,12卷,不。5,535 - 540年,2009页。视图:谷歌学术搜索
16. Winkielman e . Vul c·哈里斯,p, h . Pashler“莫明其妙地高相关性在功能磁共振成像研究的情感、个性、社会认知,“心理科学观点,4卷,不。3,p。274年,2009年。视图:谷歌学术搜索
17. m·m·默里,d .深色和c·m·米歇尔“地形ERP分析:循序渐进教程审查”,大脑地形,20卷,不。4、249 - 264年,2008页。视图:出版商的网站|谷歌学术搜索
18. l . Liu和A . A . Ioannides”,平均和梅格单一试验信号的相关研究:平均描述了一组不同的多个历史每个单一的试验,”大脑地形,8卷,不。4、385 - 396年,1996页。视图:出版商的网站|谷歌学术搜索
19. p·汉森,m . Kringelbach和r . Salmelin Eds。梅格:介绍方法英国牛津,牛津大学出版社,2010年。
20. s . Makeig a Bell, t·荣格和t . Sejnowski“独立分量分析脑电图仪的数据,”先进的神经信息处理系统,8卷,第151 - 145页,1996年。视图:谷歌学术搜索
21. t·p·荣格s Makeig c·汉弗莱斯et al .,“删除脑电图仪的工件通过盲源分离,”心理生理学,37卷,不。2、163 - 178年,2000页。视图:出版商的网站|谷歌学术搜索
22. r·d·Pascual-Marqui c·m·米歇尔·d·莱曼,“分割脑电活动的微观状态:模型评估和验证,”IEEE生物医学工程,42卷,不。7,658 - 665年,1995页。视图:出版商的网站|谷歌学术搜索
23. l·f·h·Basile e . p . Brunetti j·f·佩雷拉et al .,“复杂缓慢的潜在的发电机在简化范式的关注,“国际心理生理学杂志,卷61,不。2、149 - 157年,2006页。视图:出版商的网站|谷歌学术搜索
24. p . l . Nunez和r . Srinivasan电场的大脑:Neurophysics脑电图,牛津大学出版社,纽约,纽约,美国,2006年。
25. e . j . Davelaar x, d·e·胡贝尔和c t . Weidemann”习惯的变化检测在相同/不同的判断,”提交。视图:谷歌学术搜索
26. d·e·胡贝尔x, t·柯伦r . c . O ' reilly和b . Woroch”的动态集成和分离:ERP,梅格,重复和神经网络研究的直接影响,”实验心理学杂志》:人类感知和性能,34卷,不。6,1389 - 1416年,2008页。视图:出版商的网站|谷歌学术搜索
27. d·e·胡贝尔和r . c . O ' reilly持久性和适应短期启动和其他知觉模式:时间隔离通过突触抑郁症,”认知科学,27卷,不。3、403 - 430年,2003页。视图:出版商的网站|谷歌学术搜索
28. r·拉特克利夫称,m . g . Philiastides和p . Sajda”的证据质量感知决策是由trial-to-trial索引脑电图的变化,“美国国家科学院院刊》上的美利坚合众国,卷106,不。16,6539 - 6544年,2009页。视图:出版商的网站|谷歌学术搜索
29. r . Pascual-Marqui”评审的方法求解EEG逆问题,“国际期刊的Bioelectromagnetism,1卷,不。1,第86 - 75页,1999。视图:谷歌学术搜索
30. r·d·Pascual-Marqui c·m·米歇尔·d·莱曼,“低分辨率电磁层析:本地化大脑电活动的新方法,”国际心理生理学杂志,18卷,不。1,49 - 65年,1994页。视图:出版商的网站|谷歌学术搜索
31. h·内勒·d·布兰代斯,r·哈利迪·e·卡拉威,和l .矢野”莨菪碱对视觉信息处理的影响,关注,和地图与事件相关的潜在的延迟,”心理生理学卷,29号3、315 - 336年,1992页。视图:出版商的网站|谷歌学术搜索

版权

版权©2011年邢田等。这是一个开放分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。