تصميم تجارب EEG

لماذا أحتاج هذه الخطوة؟

هذا الدرس اختياري، لأن المسار يعمل على بيانات مسجّلة جاهزة. لكنه مهم جداً إذا كنت ستسجّل بياناتك بنفسك، أو تريد أن تحكم على داتاست مفتوحة قبل أن تختارها.

كيف أطبّقها في EEGLAB؟

لا توجد خطوات في EEGLAB لهذا الدرس، لأن التصميم يحدث قبل التسجيل.

بعد التسجيل ستتحقق من نتيجة التصميم في EEGLAB في درس الأحداث: تعرض الأحداث وأنواعها وتوقيتها من Edit › ثم Event values، وتراها خطوطاً عمودية فوق الإشارة في Plot › ثم Channel data (scroll).

كيف أكتبها بالكود؟

هذا السكربت لا يحتاج EEGLAB. يحاكي أهم قرار في التصميم: عدد المحاولات. كل محاولة فيها نفس الموجة (مثل مكوّن P3 بسعة 5 ميكروفولت) مع ضوضاء عشوائية أكبر منها بكثير. ثم يحسب المتوسط بعدد مختلف من المحاولات.

% How the number of trials changes the noise left in an average
srate = 250;                                         % samples per second
t     = -0.2:1/srate:0.8;                            % epoch from -200 to 800 ms
erp   = 5 * exp(-((t - 0.35).^2) / (2*0.08^2));      % P3-like wave, 5 microvolts
rng(1);                                              % same noise on every run

nTrials = [10 40 160];
labels  = cell(1, numel(nTrials));
figure; hold on;
for k = 1:numel(nTrials)
    n      = nTrials(k);
    trials = erp + 20 * randn(n, numel(t));          % same wave + noise on each trial
    avg    = mean(trials, 1);                        % the average across trials
    noise  = std(avg(t < 0));                        % noise left in the pre-stimulus period
    fprintf('%4d trials: noise left = %.2f microvolts\n', n, noise);
    plot(t*1000, avg);
    labels{k} = sprintf('%d trials', n);
end
plot(t*1000, erp, 'k', 'LineWidth', 2);
xlabel('Time (ms)'); ylabel('Amplitude (\muV)');
legend([labels, {'True wave'}]);

• كل محاولة وحدها لا تُظهر الموجة، لأن الضوضاء (20 ميكروفولت) أكبر منها أربع مرات.
• عند حساب المتوسط، الموجة الثابتة تبقى والضوضاء العشوائية تلغي بعضها (Luck، الملحق 1).
• الضوضاء الباقية تنقص مع الجذر التربيعي لعدد المحاولات. مضاعفة المحاولات 4 مرات تقسم الضوضاء على 2 فقط.
• تبسيط: الضوضاء الحقيقية ليست عشوائية تماماً، والموجة تتغيّر قليلاً بين المحاولات.

أي قيمة أختار؟

هذه قائمة فحص لأي تصميم، مع سبب كل بند ومصدره.

مثال من المسار: في eeglab_data.set حدثان: square عند ظهور المثير، و rt عند ضغطة الزر. والمشارك يضغط فقط عندما يظهر المثير في المكان الذي ينتبه إليه (توتوريال EEGLAB، وصف الداتاست). هذا ما يجعل التقطيع حول square ممكناً في المحطة 5.

كيف أتأكد أنها نجحت؟

• السكربت يطبع ثلاثة أرقام للضوضاء الباقية، كل واحد تقريباً نصف الذي قبله (قريبة من 6.3 و 3.2 و 1.6).
• في الرسم، منحنى 160 محاولة هو الأقرب إلى الموجة الحقيقية السوداء.
• تستطيع أن تذكر بندين من قائمة الفحص لا يمكن إصلاحهما بعد التسجيل: تسجيل الأحداث، ودقة توقيتها.
• إذا أعطيتك تصميماً بشرطين، تستطيع أن تقول إن كانا يختلفان في عامل واحد أم أكثر.

ما الأخطاء التي يقع فيها كثيرون؟

• الأحداث محفوظة في برنامج العرض فقط. بعد التسجيل تكتشف أن ملف EEG بلا أحداث، أو بأحداث لا تطابق التوقيت. اختبر إرسال الرموز قبل أول مشارك.
• عدم قياس تأخير الشاشة. كل المكوّنات ستظهر متأخرة بنفس المقدار المجهول، وقد يختلف التأخير بين المحاولات.
• شرطان يختلفان في أكثر من عامل. الفرق في الـ ERP لا يمكن نسبته لعامل واحد.
• عدد محاولات محسوب بلا هامش. بعد رفض المحاولات السيئة في المحطة 5 قد يبقى عدد أقل من المطلوب.
• تسجيل بلا قنوات EOG. يصبح تمييز الرمش وحركة العين أصعب في المحطة 4.

للتوسّع

• EEGLAB Concepts guide: https://eeglab.org/tutorials/ConceptsGuide/Setting_up_your_EEG_lab.html (Maximizing EEG data quality؛ EEG synchronization)
• EEGLAB Tutorial: https://eeglab.org/tutorials/tutorial_data.html (Sample experiment description)
• Luck, Applied Event-Related Potential Data Analysis (الطبعة الأولى): https://socialsci.libretexts.org/Bookshelves/Psychology/Biological_Psychology/Applied_Event-Related_Potential_Data_Analysis_(Luck)/12%3A_Appendix_1%3A_A_Very_Brief_Introduction_to_EEG_and_ERPs (Appendix 1 > Signal Averaging and Event-Related Potentials)
• 16 advices for conducting electro-encephalography experiments: https://www.youtube.com/watch?v=SSotxRqdFyY (الفيديو كاملاً)