Loading
Note di Apprendimento
Study Reminders
Support
Text Version

Analisi wavelet di VEP

Set your study reminders

We will email you at these times to remind you to study.
  • Monday

    -

    7am

    +

    Tuesday

    -

    7am

    +

    Wednesday

    -

    7am

    +

    Thursday

    -

    7am

    +

    Friday

    -

    7am

    +

    Saturday

    -

    7am

    +

    Sunday

    -

    7am

    +

Sarò prossimo a dare un breve aggiornamento sull'analisi delle ondulazioni insieme ai VEPs. Allora, qual è questa analisi d'onda su e quali sono i VEPs, un piccolo sfondo che ricopro in queste particolari slide, in questa presentazione. Seguito da come fare l'analisi e l'analisi d'onda e tutto. Quindi, in primo luogo vi faccio solo uno sfondo su quello che è questo VEP. VEP non è altro che il potenziale evocativo visivo. Allora, abbiamo avuto come ti ho detto quello che è un ERP, EPR è un potenziale legato all'evento con un particolare evento in cui il cervello rispondo a quel particolare evento è quello che viene chiamato come questo potenziale evento. Così, qui in questo potenziale evocativo visivo ovviamente, ci sarà qualche stimolo visivo. Ad esempio, in quel P300 come ho accennato prima, c'era P300 per loro la pallina da 4 centimetri o 6 centimetro è stata utilizzata. Nel caso in cui esistesse un potenziale di evocazione visiva, saremo leggeri lampeggianti o si può invertire la checkerboard o qualche potenziale visivo. Allora, come il cervello percepisce questa visuale? Si trova nella corteccia visiva e la corteccia visiva è presente soprattutto nella regione occipitale del cervello. Occipitale che si trova nella O1OZ, O1O2 in quel luogo particolare che sarà presente. Così, qui le potenzialità visive che vi darà, è uguale al solo potenziale evocativo evocativo, sarà come avere il complesso N1 P1 P2 tutto. Così, qui l'esperimento che sta invertendo la checkerboard, lo stimolo è dato ed è nella frequenza di circa 2 hertz come per il quale significa per ogni 500 millisecondo, ci sarà un rovesciamento della checkerboard che avviene qui sopra. Simile all'altro, qui anche noi abbiamo ottenuto i dati utilizzando il sistema di scansione neurale del canale 64.

Quindi, qui dobbiamo dare lo stimolo di conseguenza, viene dato il correttore di inversione. E il rifiuto del manufatto, tutti i filtri, il filtro notch, il filtro del bandpass tutto viene eseguito in questo caso. Quindi, in sostanza, quando c'è che, quando c'è un elevato schema di contratto, si sta osservando, il cervello risponderà a quel particolare come una risposta visiva a quello stimolo visivo nella regione corticale visiva del cervello. Allora, come sembra sia, è così che si sta facendo l'esperimento. Qui l'inversione di checkerboard viene presentata qui e il soggetto è fatto per sedersi in modo tale da essere nell'angolo è stato mantenuto ad una costante e la linea di vista e tutto dovrebbe essere misurato correttamente e tutto. E poi ci saremo, l'esperimento viene registrato. Quindi, quello che succede qui è, la retina, dalla retina attraverso i nervi ottici, il segnale viene dato alla corteccia visiva presente nel dietro, esattamente dietro al cervello. Quindi, è come sopra il talamo o sopra il cervelletto così. Quindi, è alle spalle. E la visuale, il potenziale visivo, si ottiene, il potenziale evocativo visivo che si ottiene è in questa moda. Come sempre in qualsiasi ERP l'ampiezza e la latenza, questi due sono i parametri che dobbiamo controllare in tutto. Così, ad esempio in MMN anche noi verifichiamo questa risposta P1 N1 P2 che è quella che controlliamo. Allo stesso modo, in per il P300 si verificherà che a quel 300 millisecondo in quello o a un altro ci sarà la risposta. Per MMN significa che dovrebbe essere in quella fascia di latenza da meno 50, dispiace 150 a 300 millisecondo. Quindi, per qualsiasi ERP qualsiasi analisi ERP questa ampiezza e latenza è quella che dobbiamo verificare nei dettagli. Ecco, questo è quello su cui dobbiamo concentrarci in uno qualsiasi degli ERP. Successivamente vi darò solo come questo, cos' è questa ondulazione e come cambia l'onda, intendo l'analisi EEG.

Quindi, queste ondulazioni e tutto ciò che sono in realtà danno un'analisi del tempo e della frequenza. Quindi, analisi di frequenza dell'EEG. Ora EEG sta avendo un enorme dataset e ci saranno molte forme d'onda che si ottengono. Quindi, non possiamo fare, ci sono vari metodi in cui possiamo fare l'analisi dell'EEG, ma usare la trasformata di Fourier o può essere a breve trasformatore di Fourier o come ci sono vari metodi e tutti sono lì per fare l'ondulazione, l'analisi EEG. Ma quello che succede è che in quei tipi di canali, per quelle analisi come le FFT degli STFT e tutto quello che succede, ci sarà una perdita di dati o qualche volta ci sarà, non lo fa, dovrebbe contemporaneamente misurare o deve funzionare a tempo come il dominio di frequenza dell'analisi EEG. Non è stato fatto in altre opzioni o o quello che accade è che ci sarà una perdita di dati o a volte anche questa volta, per l'analisi del dominio del tempo è stata fatta, la frequenza non si farebbe. Se l'analisi della frequenza viene effettuata, quella volta l'analisi non si farebbe. Quindi, viceversa dovrebbe essere completamente, contemporaneamente deve essere fatto. Quindi, solo l'analisi d'onda che particolare opzione è possibile dove, possiamo fare l'analisi simultaneamente e gli studi di correlazione e tutto può essere fatto insieme. Allora, che cos' è l'onda d'onda? Le lunghezze d'onda non sono altro che l'insieme di questi nostri dati EEG dobbiamo decomporlo in piccoli pacchetti d'onda. Quindi, prima di tutto in base a questo, questo particolare passo si svolge sempre in base alla sola frequenza di campionamento. Quindi, con la frequenza di campionamento solo possiamo fare l'analisi d'onda correttamente. In base a questo solo i diversi coefficienti d'onda vengono creati. Così, qui in questa analisi abbiamo a che fare con l'analisi d'onda che viene fatta da Quiroga. Questo articolo di Quiroga hanno realizzato un software o c'è qualcosa chiamato come software EP_Den che viene dato all'Università di Leicester.

Quindi, in quello in quel particolare, se si mette semplicemente l'ondulazione EP_Den denoizzando Quiroga, se mettete in questo modo otterrete in Google possiamo superare la loro pagina e come scaricare e tutto. Quindi è come se ci fosse un loro codice Matlab stesso. Quindi, solo che dobbiamo gestirlo e dobbiamo dare i dati in base a quello. Quindi, un'altra cosa importante di questa ondulazione è che prende sempre il numero di campione o la frequenza di campionamento o qualsiasi cosa nei poteri del 2 che è una delle cose più importanti. Perché questo è come uno standard, dovrebbe avere sempre, sempre questa dimensione del campione dovrebbe essere nei poteri di soli 2. Quindi, la frequenza di campionamento qui sopra che prendiamo, è di 256 hertz che è la normale, che è come hanno usato per i loro scopi didattici la loro analisi che hanno preso 256. Quindi, secondo i nostri dati, secondo la nostra cosa, i nostri file CNT, possiamo dare questo particolare tasso di campionamento in base a quello. Così, ad esempio, ora in tutto questo file di dati di scansione neuro, la frequenza di campionamento viene assunta come 1000 hertz. Quindi, quello che facciamo è che riprendiamo in realtà quei dati nel 1024 che è di nuovo la potenza di 2. Quindi, questo è il passo importante che dobbiamo considerare. Ora in caso di conosci BO o i datati Open BSI e tutti, prendono una frequenza di campionamento di 500 hertz. Quindi, in quel caso dobbiamo fare un 2 più vicino ai poteri di potenza di 2 mezzi che saranno 512. Quindi, dobbiamo fare i ricampionamenti in quella gamma 512. Quindi, in base a questa frequenza di campionamento saranno decomposti i coefficienti d'onda.

Quindi, sostanzialmente quello che stiamo facendo è che l'intero dataset prima di tutto il dataset intero viene eseguito per la prima volta da questi coefficienti d'onda dati. Poi ricostruiamo i dati e otteniamo l'ondulazione analizzata dopo la denoalizzazione con vari algoritmi e tutti. Così, in questa particolare carta Quiroga, hanno accennato che, dove hanno usato una cosa chiamata ortogonale B spline, hanno usato quella particolare ondulazione. Ecco, questo è il che è un po' simile a come lo guardano gli ERP. Ecco, quindi, che si utilizzano particolari spline ortogonali B. Questi coefficienti d'onda saranno divisi o saranno come ti ho detto che ricostruiremo ho detto, quindi prima dobbiamo, lo ridurranno in primo piano in questo SI, D2, D3, D4, D5 così in questo intervallo la gamma, beta, alfa, theta, delta in questa gamma sarà in questa particolare gamma sarà prima ridotta e poi da qui viene ricostruito come il prossimo per la prossima ondulazione per l'analisi. Quindi, prima cosa succede dopo aver fatto questa analisi EEG e tutto, i dati vengono poi esportati. Vi mostreremo come esportiamo i dati. Così, dopo l'esportazione dei dati dobbiamo convertire quei datini nelle forme di nel, dobbiamo convertirci in file ASCII e che anche tutti quei dati di esempio dovrebbero essere nei poteri di 2 io passerò solo attraverso l'ondulazione, l'analisi delle ondulazioni, il software il codice e vi mostrerò dove la differenza e tutto deve essere fatto. E deve essere realizzato un file ASCII medio unico. Ecco, questi sono i 3 passi aggiuntivi che deve essere fatto a parte l'analisi EEG, l'analisi ERP. Quindi, farò solo questo passo in più per mostrare come fare l'analisi d'onda e come, dove i cambiamenti e tutto da fare nel codice.

Quindi, questo è solo un passo sequenziale di quella che è la dimostrazione, quello che farò. Così, come similmente facciamo per prima cosa, visto che stiamo lavorando ai dati VEP, prima faremo l'analisi VEP e dobbiamo fare, qui un passo importante che dobbiamo fare è il ricampionamento che dobbiamo fare perché vogliamo ottenere un campione, l'esportazione i campioni nei poteri di 2, quindi per quello scopo dobbiamo fare l'ondulazione, quindi questo ricampionamento deve essere fatto. E poi seguito da questa cosa simile, epocale, la creazione della lista eventi, poi i trigger VEP, poi tutte quelle analisi VEP tutto deve essere fatto e infine facciamo l'analisi d'onda usando il software. Allora, ecco come facciamo noi, questo è il solo passo dimostrativo che farò. Il prossimo mostrerò come fare la cosa. Prima ancora, solo questi sono i 2 documenti Quiroga che ho citato sull'analisi delle ondulazioni che hanno fatto. Così, nel loro sito anche ci saranno varie esercitazioni e tutto ciò che mostra come il, come sembra quando le cose dei dati accadono e l'analisi delle ondulazioni importante è che possiamo anche aiutare, ci aiuta anche a capire come il nostro cervello si abitua allo stimolo. Ora per esperienza, un esperimento che richiede per circa 15 a 20 minutes significa per inizialmente per qualche tempo il nostro cervello sarà un po ', ci si abituerà, insomma sarà come prima inizialmente ci concentreremo sui trigger o sugli stimoli tutto, ma più avanti avremo, il nostro cervello ci si abituerà. Così che l'abitudine si svolga nel nostro cervello stesso. Quindi, che anche questo può essere analizzato utilizzando l'analisi delle ondulazioni, come si sta verificando l'abitudine come il tempo procede nell'esperimento. Quindi, basandosi su questo possiamo anche raccontare, questo è come il cervello dovrebbe guardare, il che intendo dire questo è, questo tanto tempo è richiesto per il nostro per ottenere l'analisi P300 o l'analisi AEP o l'analisi VEP che possiamo, quel tempo, il tempo necessario per la cosa può essere compreso. E questo, i primi due documenti sono solo alcuni documenti relativi alla VEP dove hanno usato i VEPs come e tutto ciò che è, quando hanno iniziato a lavorarlo e come si è sviluppato e tutto è stato mostrato in quelle due carte. Successivamente lavorerò, vi mostrerò la dimostrazione. Grazie.

Ciao a tutti. Così, come parte dell'analisi delle ondulazioni che utilizzano i VEPs, stavo dando una presentazione riguardo a questo, così basato su che vi darò solo una piccola dimostrazione di come fare l'analisi ondulata. Quindi, prima come di consueto faremo la consueta analisi EEG abbiamo appena aperto il laboratorio EEG. Quindi, qui mi servirò un dato VPR. Quindi, mi limiterò a importare il file CNT che abbiamo utilizzato per il file CNT per questo VEP, quindi prenderò solo un dato VEP. Così, qui otteniamo il, quindi mi basta aprire questa demo VEP qui anche si tratta di un file CNT così ci sono 69 canali e qui gli eventi sono appena 120 perché ci sono solo 120 eventi e trigger che stiamo dando e qui la frequenza di campionamento è di 1000. Ecco, qui questo è il luogo in cui dobbiamo fare il campionamento. Se dobbiamo fare le stesse procedure anche per gli altri dati dobbiamo anche modificare la frequenza di campionamento. Quindi, dato che sto solo mostrando esempio con VEP sto facendo questo cambio di velocità di campionamento per questa cosa particolare quindi facciamo solo da 1000 a 24 perché questa è una potenza di 2 anche e dobbiamo ottenere questa epoch in quella gamma anche per questo ci prenderemo un 1024. Quindi, in questo caso quello che succede è che avremo la variazione del tasso di campionamento a, quindi per farsi re - campionati e avremo un 1024.

Quindi, qui c'è un dato ri - campionato prima di fare qualsiasi passo dobbiamo aggiungere le località di canale. Quindi, facciamo il consueto passo di mettere i canali, se si trattasse di altri dati avrebbero le località di canale all'interno del canale, intendo nei dati continui stessi. Quindi, qui dobbiamo aggiungere esternamente le posizioni di canale predefinite. Quindi, ecco come si sta facendo. Così, qui abbiamo la location del canale inclusa e dopo di questo vi faccio solo un passo pre - filtrante che dobbiamo fare che è un filtro notch. Quindi, facciamo il filtro di notch. Quindi, in un filtro notch verrà ri filtrato così in base a quel filtro che possiamo dopo che vi mostrerò come i trigger guardano in VEP. Quindi, questo è il, faremo l'analisi dei dati di scorrimento qui sopra. Quindi, qui di seguito si tratta delle risposte iniziali che hanno molto avuto un sacco di manufatti. Quindi, cambierò solo il display 30. Quindi, qui questo il rosso una volta tutto questo rosso una volta sono i dati, i trigger, i trigger VEP che si ottengono. Quindi, qui c'è solo un'opzione di trigger, quindi si tratta del VEP. Quindi, qui dobbiamo creare questo da solo questo una volta lista eventi che dobbiamo creare.

Quindi, prima dobbiamo fare quel processo di creazione della lista eventi EEG quindi qui usiamo un'opzione avanzata e qui carichiamo di conseguenza quello. Quindi, questo è il VEP così qui il primo primo indica il nome trigger che è un 1. E 1 è il codice evento il tipo di evento che c'era, abbiamo etichettato lasciandoci VEP e poi abbiamo messo un numero di vassoio come 1 e poi facciamo una descrizione checkerboard è che si tratta di una checkerboard. Quindi, questa è la lista eventi e noi solo applichiamo dobbiamo solo inserirlo qui e aggiornare la linea, quindi ci si aggiungerà e potrai semplicemente salvarlo per scopi futuri anche e poi basta applicarlo. Quindi, quello che succede è tutto questo evento che è stato chiamato come 1 ora chiamerà come bin 1 o sarà nominato come checkerboard qualcosa del genere. Quindi, vi mostrerò solo come è stato cambiato ora. Quindi, seguito da questo ci dovrebbe essere un epocale che si sta facendo. Quindi, qui tutti sono stati nominati come VEPs ora tutti quelli vengono modificati in VEP. Ecco, questo è il motivo per cui facciamo le opzioni dell'elenco eventi per far capire al programma che questa volta non sono altro che i trigger del nostro interesse. Quindi, il prossimo è un bidone l'epoch bin. Quindi, epoche significa fare. Quindi, ora quello che è successo è che dobbiamo essere molto precisi in merito a questo ora prossimo, ora in questo caso per le ondulazioni dobbiamo considerare questo frame per epoch anche perché vogliamo che i frame per epoch siano anche nella gamma di, nei poteri di 2. Quindi, dato che abbiamo dato questo 1024 quello che succede, otterremo le epoche se si fa da meno 1000 a 1000 quello che succede è che questa cosa sarà data in quella particolare gamma nel 1 2 seconds avremo questo particolare. Ora quello che succede è che volevamo solo una parte particolare di interesse che è solo fino al 200 massimo non più di quello che così succede è che vogliamo solo il primo quadrante così primo 45, il primo 25% del campione è solo noi che ci prendiamo.

Quindi, prendiamo da meno 50 a 200 in modo da ottenere i 25% di 2 e questo 1204. Quindi, sarà allora, otterremo un frame per epoch, questo significa amici 1 epoch per quel motivo solo che stiamo facendo l'epoche in questo intervallo. Quindi, se volendo in P300 significa, ci prenderemo da meno 50 a 700 in modo da arrivare in quella gamma e anche noi ci arriveremo nei poteri anche del 2. Ecco allora che ci prendiamo come primo quadrante tipo di cosa prenderemo in questa sezione. Quindi, se eseguiamo ciò che accade è, ora tutti questi avremo 120 epoche, insieme a che ogni epoche sarà, ogni epoche avrà 256 punti dati. Ecco, questo è il motivo per cui abbiamo fatto quel particolare intervallo epocale. Quindi, noi se suppliamo se facciamo un diverso per esempio, ora se cambio l'epoch, per e lo faccio solo come, tornerò a questo elenco eventi dopo aver creato la lista eventi. Quindi, ora sto facendo un'epoch a base di vassoio. Ora, quello che faccio è solo che non lo faccio, ora se non faccio questa particolare gamma ad esempio sto facendo qualcosa come 300 per esempio, quindi ora qui avremo 350 punti dati. Quindi, se mi candido in questo modo quello che succede non otterremmo i poteri di 2 qui dentro nei fotogrammi per epoche. Quindi, sarà cambiato. Diventerà come dire se il 358, è diventato. Quindi, non vogliamo essere in questa fascia, vogliamo sempre essere nei poteri del 2.

Quindi, per questo motivo solo noi lo stiamo facendo in questo come ho accennato qui ho fatto in questo caso. Quindi, questo è solo che ho dato una demo a cui dobbiamo, perché dobbiamo fare da meno 50 a 200, perché l'ho appena spiegato qui. Così, che otteniamo questo 2 alla potenza n in questa gamma otteniamo il nostro punto dati, datasets otteniamo. Quindi, si tratta dell'epoche dell'evento. Il prossimo che dobbiamo fare è il consueto passo che è il rilevamento degli artefatti che è anche la soglia di tensione. Anche questo il periodo di tempo di, il nostro periodo di sperimentazione è meno solo ma ancora dobbiamo rimuovere tutti i nostri manufatti. Quindi, qui prendiamo, questo è un canale 64, quindi sto solo rimuovendo tutti i trigger e EMG, HEO, canali VEO e tutto. Quindi, e poi lo accettiamo. Quindi, se possiamo controllare qui, se controlleremo tutti questi molti di loro saranno stati respinti e questo, i 77 di loro sono stati accolti. Quindi, ecco perché anche se è un piccolo questo, ci saranno tanti manufatti ancora lì. Quindi, qui dobbiamo aggiornare, abbiamo il dataset respinto degli artefatti è in fase di creazione. Seguito da noi dobbiamo solo aggiornare questi segni in modo da poterla rifiutare tutte le epoche rifiutate. Quindi, rimuoviamo solo come il consueto passo. Quindi, qui tutti questi canali, se si va oltre ci saranno vari altri canali anche lì che è stato rimarcato come problema. Quindi, intendo dire che è stato segnato come respinto. Quindi, appena respinto in base a quello.

Quindi, se si vede di totale 120 epoche, il 77 è stato accettato e il 43 è stato respinto. E abbiamo respinto quelle 43 prove dall'intero dataset. Così, ora quando creeremo un nuovo dataset ci saranno solo le 77 epoche da sole. Ora, quello che fa in realtà questo 256 è che, per 1 epoch, ci saranno 256 punti dati. Allo stesso modo, quindi se ci sono così per un totale di 77 epoche ci saranno 256 su 77 che molte epoche, che molti punti di dati ci saranno. Questo è il, questo è il nostro interesse che è il motivo per cui utilizziamo questo particolare, questo è il significato di questo particolare questo fotogramma per epoche significa solo. Ora, dopo il rifiuto dei manufatti, il passo successivo è quello di filtrare i dati, di nuovo usiamo i filtri Butterworth. Allo stesso modo, con 1 a 30 e poi facciamo solo il filtraggio. Quindi, qui abbiamo il dataset filtrato. Dopo aver fatto questo passo particolare, il prossimo è lo sconforto. Quindi, come ho già accennato in precedenza, la media si fa per, visto che stiamo lavorando in pochissimi microvolt di dati. Quindi, quello che succede è solo un'epoch unica non è affatto sufficiente per analizzarlo. Quindi, facciamo solo la media di tutto il 77 per ottenere il corretto ERP analizzato. Quindi, ce la facciamo solo come VEP. Così, qui realizziamo i dati, il set ERP.

Così, qui il set ERP è in fase di creazione. Ora, lo visualizzeremo solo, qui non c'è nessuna operazione di vassoio o operazione di canale perché c'è solo un bidone rimasto lì. Quindi, abbiamo solo, se volete possiamo fare qualsiasi operazione di canale come per un modo particolare, se volete solo la regione occipitale del cervello da solo per essere sconfinate insieme, allora potete semplicemente prendere il bidone, l'operazione di canale può essere fatta. Ma sto solo per mostrare una risposta individuale di come sembra. Qui anche noi prendiamo un negativo. Oppure possiamo prendere un positivo anche qualsiasi cosa va bene, quindi ne prendo solo un'analisi topografica in modo da ottenere un corretto, così abbiamo fatto il giro ERP. Quindi, questo è il corretto, quindi anche qui vediamo l'inversione di tendenza, è un po' meno solo ma c'è ancora un rovesciamento. Così, qui si comincia da questo top, da qui è come da calare che sta salendo, quindi è come un invertito che si svolge e questa è la principale questa regione particolare, questa zona occipitale è il luogo principale in cui si ottiene il VEP visivo, il potenziale evocativo visivo. Quindi, possiamo in realtà renderla positiva o negativa in ogni modo questo va bene. Quindi, qui se vedete questo è come sta guardando l'AEP, è un po' diverso ma poi il come vi ho detto l'ampiezza e le latenze sono l'interesse del nostro, questo è il punto del nostro interesse. Allora, qui questo è il positivo up, il negativo in su, sta arrivando in questa regione, in realtà questo è un po' strano voglio dire che è un dataset piuttosto diverso che si può ottenere. Così, qui possiamo vedere un corretto picco N1 P1, N1 di picco e tutto. Quindi, sempre un P, possiamo prima controllare il picco N1. Penso che sia meglio fare un negativo.

Abbiamo aggiunto un positivo nella cosa precedente farò un negativo e verifico come sembra. Il negativo è un po' meglio perché stiamo prevalentemente controllando i picchi negativi più così è per questo che il negativo è migliore. Quindi, comunque questo è come sembra il VEP. Ora, il prossimo che devo farti dire che devo mostrare riguarda il come l'analisi delle ondulazioni. Così, qui in questo caso possiamo direttamente così come vi ho detto che ci sono 77 epoch e ci sono 256 punti dati per ogni epocale quindi quello che succede è che avremo totalmente un 77 in 256 che molti punti di dati che otteneremo. Quindi, questo dovrebbe dip e questo è negativo e di nuovo positivo. Quindi, questo è questo dovrebbe essere la risposta N1 in realtà e questa dovrebbe essere la risposta P1 seguita da quella così è come dovrebbe sembrare, non è un VEP propriamente detto ma questo è come dovrebbe sembrare che ci sia una corretta risposta N1 P1 ottenuta. Quindi, è così che dovrebbe sembrare.

Ad ogni modo, quindi farò solo l'esportazione ora così possiamo semplicemente andare in file e fare l'esportazione dei dati così quando esportiamo in questo modo quello che succede è possibile solo cambiare l'estensione. Così, ci mettiamo semplicemente come foglio excel così possiamo salvarlo in questo modo come possiamo avere una parola digitale intendo dire quanti punti dati, quanti punti decimali tardo dopo la tua voglia di tutto quello che puoi prendere, puoi fare i trasferimenti tutto ciò che si può fare anche. Quindi, l'ho appena salvato. Così, mentre risparmiamo avremo il VEP salvato in excel questo è il dato esportato ora. Ora se si apre questo avremo tutto il tutto per ogni elettrodo e per da meno 50 a 200 così ce ne sono 256 quindi se ci si vede ci sono solo 256 campioni per un'epoch. Così, analogamente ci sarà per 77 epoch ci sarà l'intero set di dati così ci sarà così totalmente 1917 così questo molti punti dati ci sono per tutto l'insieme ERP. Così, qui in questo possiamo solo copiare tutta una copia di una copia di fila e mettere in un notepad e poi basta salvarlo come ad esempio lo salverò solo come FP1 e metterò solo l'estensione come formato ASCII perché sempre l'analisi ondulata da esso sfumata sarà salvata in questo formato ASCII così è per questo che ci mettiamo così. Se vuoi il negativo se vuoi un negativo su questo sono tutti i punti dati positivi che ci sono, se vuoi negativo dobbiamo solo moltiplicare l'intero di questo foglio dati meno 1 in modo che ne otterrete tutto come versione negativa.

Quindi, il prossimo vi mostrerò solo i dati che questo è il codice Matlab per l'analisi delle ondulazioni. Ecco, qui questi 3 sono i principali parametri importanti di cui si deve controllare. Ecco, qui queste sono le dimensioni del campione del pisolino, quindi ecco i numeri del campione che significa che per ogni epocale ci sono 256 campioni. Quindi, per noi metteremo come 256 qui sopra e questa cosa particolare che viene chiamata come frequenza di campionamento e per il caso la frequenza di campionamento è di 2, 201024 in modo da entrare in quella maniera. E poi questo stimolo qui sopra non è in realtà nulla ma quanto lontano si vuole che l'asse si muova e giù in modo che sia dato da questo parametro stim qui ora nel nostro caso abbiamo preso da meno 50 a 200 millisecondo che è la fascia oraria che abbiamo preso. Quindi, appena meno 50 che per quella gamma abbiamo dovrebbe essere solo questo tanto solo che dobbiamo dividerlo per 15 like che così sarà possibile ottenere 51,2 in modo da poter impostare un dataset da meno 50 a 200. Quindi, avrò solo dato questo, allora questo non è altro che i tracciati di contorno e i numeri di prova che c'è solo. Quindi, eseguo solo questo particolare dataset, anche questo dobbiamo anche fare il percorso, l'evento, il percorso set che dobbiamo dare anche qui. Quindi, possiamo solo scaricare questi, questa cosa particolare che possiamo scaricare da qualsiasi cosa intendo nel sito web in realtà. Quindi, da lì dobbiamo poi dare l'in questo percorso impostato abbiamo dato questa particolare cartella in modo che si possa semplicemente e poi si deve aprire questo e bisogna effettuare le modifiche di conseguenza e poi si deve eseguire questo set perché alcuni parametri in questo sono necessari per essere aperti in questo modo.

Quindi, cariceremo solo questo particolare ho già fatto pochi di questo elettrodo di regione occipitale e tutto. Così, ne ho fatti solo alcuni come me, appena mostrato che il file ASCII è stato fatto per quelli. Quindi, aprirò solo questo OZ, quindi se vedete, qui così e questo, sono entrambi quasi uguali. Questi due sono quasi gli stessi. Così, questa si chiama come wavelet, questo è il software ondulato che viene utilizzato e qui abbiamo i, questi sono i diversi coefficienti d'onda come ho accennato prima. Così, ognuno di questi coefficiente che si muoverà in tutti gli ERP, le medie ERP e che otterranno questa particolare forma d'onda in questo formato. Ecco quindi che queste sono le prove singole, per ogni processo, guarda in questo modo. Così, come ci sono quasi 77 prove, così come questo sembra. Questa è la trama di contorno che si ottiene per questo. Quindi, qui questo è il negativo corretto e questo è sempre un negativo, qui anche se è mostrato come due, insomma positivo e negativo, in realtà ho importato un dato che è negativo. Ecco, ecco come, questo è in realtà il picco positivo e il picco positivo è dato come le risposte, nella risposta blu e questa è la risposta rossa che si ottiene. Ora queste sono la denoalizzazione automatica che c'è, il vicino come il MZT, questi sono i 2 algoritmi di denoalizzazione avanzati che in realtà vengono citati nel dettaglio nella loro carta Quiroga.

Quindi, quando facciamo questo, avremo un particolare, questo. Quindi, si sovrappone quasi completamente al sistema. Questo colore rosso prima di quello che c'era, quello era il dataset originale che abbiamo dato e dopo aver fatto la denoizzazione, abbiamo ottenuto la forma d'onda colorata rossa che dà il dataset denoizzato. Così, qui possiamo chiaramente vedere che i colori blu sono il picco positivo e i colori rossi è il picco negativo che si ottiene. Quindi, in sostanza, questa sarà la risposta N1 e questa sarà la risposta P1 e il seguito da allora ci sarà una risposta P2. Così, qui possiamo arrivare mentre ci si sposta, a volte quello che succede è che ci sarà la colorazione che si ridurrà. Quindi, qui è buio e qui sarà molto minore o come quello che accade, il che significa che c'è una ricorrenza che si verifica. Quindi, si tratta dell'onda d'onda. Così qui similmente possiamo creare vari datasets o vi mostrerò solo per PZ. Quindi, questo è un altro file ASCII che mi è stato dato, mi sono fatto. Così, qui anche noi abbiamo la possibilità di creare la trama di contorno. Quindi, qui non si vede molto rilievo perché non è così prominentemente visto anche in questo, quindi ma dopo la denosing sarà possibile ottenere una risposta adeguata.

Quindi, vedere qui questo è un negativo e questo è il picco positivo del genere. Ecco, ecco come funzionano le analisi delle ondulazioni rispetto alla carta Quiroga, hanno accennato. Ecco quindi che si tratta dell'analisi ondulata che si sta facendo utilizzando questo software EP_den. Ci sono vari altri parametri che possiamo cambiare e lavorare su di esso come il tempo, il tempo massimo, il minimo, i contorni, le prove o addirittura possiamo modificare la frequenza di campionamento, la dimensione del campione di conseguenza tutto può essere fatto. Quindi, questo riguarda l'analisi delle ondulazioni e l'utilizzo dei VEPs. E poi anche in questo possiamo avere l'approccio simile di ottenere i codici e tutto per questo. Così, possiamo solo copiare - incollare, aggiungere loop, aggiungere altre cose e tutto ciò che per ogni soggetto, per tutti i soggetti che possiamo fare l'analisi simile, anche noi possiamo creare dei codici in Matlab stesso in modo che i datini, questi fogli Excel EEG e tutti possano essere convertiti in file ASCII, file ASCII a base di colonne in modo che e tutto un avanzato approccio Matlab, è come un avanzato, persone che sono problematiche in Matlab, possono fare questo tipo di gioco con i numeri come quello con Matlab e tutti. Quindi, questo riguarda l'analisi delle ondulazioni usando il VEP.