تحليل المصدر DIPFIT

ماذا يعني ما رأيته؟

لماذا أحتاج هذه الخطوة؟

ما لم تفسّره الملاءمة اسمه التباين المتبقّي (residual variance). كلما قلّ، كان المكوّن أقرب لمصدر واحد في الدماغ. هذا يساعدك على تمييز المكوّنات الدماغية، ويلزمك لاحقاً في تجميع مكوّنات ICA بين المشاركين.

إذا كانت عندك صورة MRI لكل مشارك، فإضافة NFT تبني نموذج رأس خاصاً به بدل النموذج القياسي، وتجدها في مدير الإضافات.

كيف أطبّقها في EEGLAB؟

ابدأ من النسخة الرئيسية وفيها أوزان ICA، كما في “نقطة البداية”. الخطوة 4 تغيّر مواقع الأقطاب في الداتاست المفتوحة، فاحفظ النتيجة في آخر الدرس في ملف جديد، ولا تحفظها فوق النسخة الرئيسية.

أولاً: تأكد أن Fieldtrip-lite مثبّت

1. يحسب DIPFIT الملاءمة بدوال من FieldTrip. هذه الدوال ليست داخل EEGLAB نفسه، بل تأتي في إضافة منفصلة اسمها Fieldtrip-lite. للتأكد، اكتب في نافذة الأوامر:

exist('ft_dipolefitting', 'file')

إذا طبع 2 فالإضافة مثبّتة، فانتقل إلى الخطوة 3. وإذا طبع 0 فهي غير مثبّتة. 2. لتثبيتها، افتح File › ثم Manage EEGLAB extensions، وابحث عن Fieldtrip-lite، وثبّتها، ثم أعد تشغيل eeglab. إذا تجاوزت هذه الخطوة، يسألك EEGLAB عند فتح إعدادات DIPFIT في الخطوة 6: Fieldtrip-lite extension is not installed. Do you want to download it now?. اضغط Yes. درس تجميع مكوّنات ICA في المحطة 8 يحتاج هذه الإضافة أيضاً.

ثانياً: طابق أسماء الأقطاب مع ملف نموذج الرأس

3. افتح Edit › ثم Channel locations.
4. اضغط Look up locs، واختر من القائمة البند الذي وصفه use MNI coordinate file for BEM dipfit model. اضغط Ok.
5. اضغط Ok في نافذة مواقع الأقطاب. تطبع نافذة الأوامر السطر Channel lookup: no location for EOG1,EOG2، لأن القناتين ليستا في ملف القوالب. هذا مقصود: قنوات العين لا تدخل في الملاءمة.

ثالثاً: اختر نموذج الرأس

6. افتح Tools › ثم Source localization using DIPFIT › ثم Head model and settings.
7. في Select a head model اترك الاختيار الافتراضي Template Boundary Element Model (MNI).
8. انظر خانة Matrix to align chan. locs. with head model. يجب أن تكون ممتلئة، وأغلبها أصفار وآحاد مع الرقم -1.5708، أي دوران 90 درجة بين اتجاه الأنف في EEGLAB وفي النموذج. إذا كانت فارغة، ارجع للخطوة 4.
9. اضغط Ok. تطبع نافذة الأوامر Warning: 2 channels without coordinates removed from dipole fitting، وهما قناتا العين نفسهما.

رابعاً: ملاءمة آلية لكل المكوّنات

10. افتح Tools › ثم Source localization using DIPFIT › ثم Component dipole autofit.
11. اترك Component indices (default:all) فارغة، فتُلاءَم كل المكوّنات.
12. اترك Rejection threshold RV (%) على 100، حتى يبقى لكل مكوّن ثنائي قطب وتقرأ تباينه المتبقّي بنفسك.
13. فعّل Plot resulting dipoles using dipplot (check)، واضغط Ok. الملاءمة تأخذ دقائق، وتطبع نافذة الأوامر تقدّمها.

خامساً: اقرأ النتيجة

14. افتح Plot › ثم Component maps › ثم In 2-D، واكتب 1:12 في رقم المكوّنات، وفعّل Plot associated dipole(s) (if present).
15. افتح Tools › ثم Source localization using DIPFIT › ثم Component dipole plot، وفعّل Plot summary mode، واضغط Ok. تعرض نافذة واحدة كل ثنائيات الأقطاب من ثلاثة مناظر (من الأعلى ومن الخلف ومن الجانب)، مع قائمة المكوّنات وتباينها المتبقّي.
16. لكل مكوّن: هل ثنائي القطب داخل الدماغ؟ وما تباينه المتبقّي؟ قارن مكوّن الرمش الذي عرفته في درس ICLabel بمكوّن دماغي مثل ألفا في الخلف.
17. احفظ من File › ثم Save current dataset as باسم D1_dipfit.set.

كيف أكتبها بالكود؟

% DIPFIT needs the Fieldtrip-lite plugin: install it once if missing
if ~exist('ft_dipolefitting', 'file')
    plugin_askinstall('Fieldtrip-lite', 'ft_dipolefitting', true);
end

% Work on a copy: the lookup below changes channel coordinates
EEG.setname = 'D1 dipfit';

% Template electrode positions that match the BEM head model.
% Channels missing from the template (EOG1, EOG2) lose their
% coordinates and are left out of the fit.
EEG = pop_chanedit(EEG, 'lookup', 'standard_1005.elc');

% Template BEM head model (MNI); the alignment matrix is set
% automatically from the template file name
EEG = pop_dipfit_settings(EEG, 'model', 'standardBEM');
disp(EEG.dipfit.coord_transform);   % expect 0 0 0 0 0 -1.5708 1 1 1

% Coarse grid scan + fine fit for all components, keep every dipole
EEG = pop_multifit(EEG, [], 'threshold', 100);

% Residual variance per component, in percent
rv = 100 * [EEG.dipfit.model.rv];
fprintf('IC %2d: RV = %5.1f%%\n', [1:numel(rv); rv]);
fprintf('%d of %d components below 15%% RV\n', sum(rv < 15), numel(rv));

% Scalp maps of the first 12 components with their dipoles
pop_topoplot(EEG, 0, 1:12, 'D1 dipfit', 0, 1);

% Summary view of all dipoles: top, back and side, with component numbers
pop_dipplot(EEG, 1:numel(EEG.dipfit.model), 'normlen', 'on', 'summary', 'on', 'num', 'on');

EEG = pop_saveset(EEG, 'filename', 'D1_dipfit.set', 'filepath', pwd);

أي قيمة أختار؟

كيف أتأكد أنها نجحت؟

• exist('ft_dipolefitting', 'file') يطبع 2.
• EEG.dipfit.coord_transform ليس فارغاً، وفيه -1.5708.
• numel(EEG.dipfit.model) يساوي عدد مكوّنات ICA عندك.
• مكوّن الرمش موضعه في مقدمة الرأس، ومكوّن ألفا الخلفي موضعه في الجزء الخلفي من الدماغ.
• عدد المكوّنات تحت 15% يطبعه السكربت. سجّله، فستحتاجه في تجميع مكوّنات ICA.

ما الأخطاء التي يقع فيها كثيرون؟

• ترك مصفوفة المطابقة فارغة. بدون مطابقة بين مواقع الأقطاب ونموذج الرأس، تخرج المواضع في أماكن خاطئة. تأكد أنها ممتلئة قبل الملاءمة.
• تغيير مواقع الأقطاب بعد ضبط النموذج. إذا عدّلت المواقع، افتح Head model and settings من جديد حتى تُحسب المطابقة مرة ثانية.
• قراءة الموضع كعنوان تشريحي دقيق. النموذج والأقطاب قياسيان، فالخطأ قد يبلغ سنتيمترات. اكتب “قرب” المنطقة، لا “في” تلفيف بعينه.
• اعتبار التباين المنخفض دليلاً على مصدر دماغي. مكوّن الرمش قد يُلاءَم جيداً بتباين منخفض، لكن موضعه في مقدمة الرأس قرب العينين. اقرأ الموضع والخريطة والطيف معاً، كما في درس ICLabel.
• إدخال قنوات العين في الملاءمة. نموذج الرأس ضعيف عند العينين، والتوثيق الرسمي ينصح باستبعادها. في هذا الدرس استُبعدت تلقائياً لأنها بلا موقع بعد الخطوة 2.

كيف أكتبها في ورقتي؟

قالب: عدّل البيانات والإعدادات والإصدارات لتطابق ما نفّذته.

Equivalent current dipoles were fitted to each independent component (pop_multifit, dipfit plugin 5.6, EEGLAB 2026.1) using the template boundary element head model (MNI) and template electrode positions (standard_1005); components with residual variance above 15% were considered non-dipolar.

للتوسّع

• EEGLAB Tutorial: https://eeglab.org/tutorials/09_source/Model_Settings.html (9. Source analysis > a. Head model)
• EEGLAB Tutorial: https://eeglab.org/tutorials/09_source/DIPFIT.html (9. Source analysis > b. Indep. Comp. sources)
• EEGLAB Tutorial: https://eeglab.org/tutorials/10_Group_analysis/component_clustering_tools.html (10. Group analysis > STUDY ICA clusters (residual variance threshold))
• ICA applied to EEG part 5: Source localization of ICA components: https://www.youtube.com/watch?v=kQI3Yzv1wqs (الفيديو كاملاً)