AMICA و Picard

لماذا أحتاج هذه الخطوة؟

• AMICA: يعرضها EEGLAB في نافذة ICA باسم AMICA (slowest; best). تستطيع أن تتعلّم أكثر من نموذج ICA لنفس البيانات.
• Picard: طريقة أسرع للوصول إلى حل Infomax أو FastICA. وضع Infomax فيه هو Infomax العادي، لا Extended Infomax الذي يستخدمه runica في مسارنا. يعرضها EEGLAB باسمين: Infomax picard.m و FastICA picard.m (fastest).

الاثنتان إضافات. نافذة ICA تعرض الخوارزمية فقط إذا كانت دالتها موجودة في جهازك، فلا تظهر AMICA و Picard في القائمة إلا بعد تثبيتهما.

هذا الدرس اختياري. كل باقي الخريطة يعمل بـ runica.

كيف أطبّقها في EEGLAB؟

ابدأ والنسخة الرئيسية D1 main مفتوحة كما في “نقطة البداية”.

أولاً: ثبّت إضافة

1. افتح File › ثم Manage EEGLAB extensions.
2. ابحث عن picard أو عن AMICA، واخترها وثبّتها. أعد تشغيل EEGLAB إذا طلب ذلك.

ثانياً: Picard من نافذة ICA

1. اصنع نسخة ICA مفلترة عند 1 هرتز، كما في درس تشغيل ICA.
2. افتح Tools › ثم Decompose data by ICA. في ICA algorithm to use (click to select) اختر Infomax picard.m. خانة Commandline options (See help messages) تُظهر 'maxiter', 500, 'mode', 'standard'.
3. أضف الرتبة إلى الخيارات بنفسك: 'maxiter', 500, 'mode', 'standard', 'pca', 31 في D1. مع Picard لا يفحص pop_runica الرتبة عنك.
4. اضغط OK، ثم قارن الخرائط من Plot › ثم Component maps › ثم In 2-D بخرائط runica.

ثالثاً (اختياري): AMICA

1. بعد تثبيت AMICA، افتح Tools › ثم Run AMICA على نسخة ICA.
2. تأكد أن خانة In File: فارغة. إذا ظهر فيها eeglab_data.fdt فامسحها، وإلا قرأ AMICA البيانات الأصلية من القرص بدل نسخة ICA. واجعل # PCA Dims.: مساوياً للرتبة المتوقّعة، 31 في D1، واختر مجلد مخرجات تعرف مكانه.
3. AMICA يستغرق وقتاً أطول بكثير من runica. اتركه يعمل، وقارن الخرائط عندما ينتهي.

أياً كانت الخوارزمية، انسخ الأوزان إلى النسخة الرئيسية بنفس طريقة درس فلتر 1 هرتز.

كيف أكتبها بالكود؟

% The same ICA copy, decomposed by runica and by Picard (Infomax mode)
EEG_ica = pop_eegfiltnew(EEG, 'locutoff', 1);
expectedRank = EEG_ica.nbchan - numel(badChans) - 1;

tic;
EEG_runica = pop_runica(EEG_ica, 'icatype', 'runica', 'extended', 1);
tRunica = toc;

% pop_runica does not reduce the rank for Picard, so pass 'pca' yourself
tic;
EEG_picard = pop_runica(EEG_ica, 'icatype', 'picard', 'maxiter', 500, ...
    'mode', 'standard', 'pca', expectedRank);
tPicard = toc;

fprintf('runica: %.0f s, %d components\n', tRunica, size(EEG_runica.icaweights, 1));
fprintf('Picard: %.0f s, %d components\n', tPicard, size(EEG_picard.icaweights, 1));

% First 10 scalp maps of each, to compare by eye
pop_topoplot(EEG_runica, 0, 1:10);
pop_topoplot(EEG_picard, 0, 1:10);

% AMICA, after installing the AMICA extension; it also needs the rank
% EEG_ica.datfile = '';   % AMICA must use the filtered data in memory, not eeglab_data.fdt on disk
% EEG_amica = pop_runamica(EEG_ica, 'pcakeep', expectedRank, 'outdir', fullfile(pwd, 'amicaout'));

السكربت يقيس وقت runica و Picard على نفس النسخة، ويطبع عدد مكوّنات كل منهما: 31 في D1 للاثنين. سطر AMICA تعليق، لأنه لا يعمل إلا بعد تثبيت الإضافة.

أي قيمة أختار؟

كيف أتأكد أنها نجحت؟

1. تظهر الخوارزمية في ICA algorithm to use (click to select) بعد تثبيتها.
2. عدد المكوّنات يساوي الرتبة المتوقّعة: 31 في D1 لكل خوارزمية.
3. الخرائط متشابهة: مكوّن العين يظهر في التفكيكين، وقد يكون في موضع آخر.
4. سجّلت الوقت لكل خوارزمية على جهازك، من السكربت.

ما الأخطاء التي يقع فيها كثيرون؟

• البحث عن الخوارزمية قبل تثبيتها. القائمة في Tools › ثم Decompose data by ICA تخفي أي خوارزمية دالتها غير مثبّتة.
• نسيان الرتبة مع Picard أو AMICA. فحص الرتبة التلقائي في pop_runica خاص بـ runica. مع الاثنتين الأخريين حدّد عدد المكوّنات بنفسك.
• انتظار مكوّنات متطابقة. الخوارزميات المختلفة، بل حتى تشغيلان لـ runica، تعطي المكوّنات بترتيب وإشارة مختلفين. قارنها بالشكل.
• قراءة AMICA للملف على القرص. إذا كانت الداتاست مرتبطة بملف .fdt، يقرأ AMICA ذلك الملف لا البيانات المفلترة في الذاكرة. امسح In File:، أو اكتب EEG.datfile = '' في السكربت.
• خلط الخوارزميات في دراسة واحدة. استخدم نفس الخوارزمية والإعدادات لكل المشاركين، واكتبها في Methods.

كيف أكتبها في ورقتي؟

قالب: عدّل البيانات والإعدادات والإصدارات لتطابق ما نفّذته.

Independent component analysis was computed with Picard (Infomax mode, maximum 500 iterations; picard plugin [version], EEGLAB 2026.1; [31] components after PCA reduction to the data rank) on a copy of the data high-pass filtered at 1 Hz, and the resulting weights were applied to the 0.1 Hz high-pass filtered data.

للتوسّع

• EEGLAB plugin: https://eeglab.org/plugins/amica/ (AMICA)
• Picard: https://github.com/pierreablin/picard (Picard)
• Makoto's preprocessing pipeline: https://eeglab.ucsd.edu/wiki/Makoto%27s_preprocessing_pipeline (§13.7 Unofficial instruction to install and use AMICA؛ §18.8 What does AMICA do?)