저는 MATLAB에서 EEG 신호에 대한 ICA (Independent component analysis)에 대해 몇 가지 질문을했습니다.
나는 29 개의 채널과 각각 3600 초로 구성된 뇌파 데이터를 가지고 있습니다.
EEG 데이터 처리에 대한 몇 가지 논문을 읽은 후 신호에서 잡음을 제거하고 처리해야하는 흥미로운 데이터 만 붙이기 위해 ICA를 수행해야한다고 생각합니다.
나는 fasteca를 사용하려고 노력 중이었습니다. fastICA는 꽤 간단하고 희망적이었습니다. (초) 행의 # = 채널 # 및 COLS의 # = # 잘 매트릭스의 형식으로 I 입력해야 내 데이터, 상호 독립에 대한ICA 뇌파 신호 Matlab 설명
:
다음은 질문에 온다?위의 내용이 정확하면 알고리즘을 실행할 때 28 행의 행렬이 생성됩니다. 신호에 28 개의 독립적 인 소스가 있음을 의미합니까?
- 이 결과가 나타나는 경우, 어떤 독립 구성 요소가 어떤 소스에 해당하는지 어떻게 알 수 있습니까? 예를 들어, 구성 요소 1이 눈 움직임에 해당하는 반면 구성 요소 2는 다른 것에 해당한다고 어떻게 말할 것입니까? 내 EEG 신호를 분석하는 동안
이러한 질문
저는 다른 연구 논문이 수학에 깊이 파고 들어가기에 의존할만한 근거가없는 답을 얻고 싶습니다.
덕분에 많이 어떤 도움, 감사합니다
나는 당신이 말했듯이 "ICA를 할 필요가 없다"고 제안합니다. 예를 들어, 의과 대학의 어느 누구도 ICA를 사용하지 않습니다. 그것은 연구에서 그 자리를 차지하고 있지만, 만병 통치약은 아닙니다. 자신의 질문에 의해 입증되는 것처럼 그 결과의 해석은 어려울 수 있습니다. 당신이 ICA (또는 어떤 분석 기법, 정말로)를 이해하지 못한다면, 나는 그것을 사용하지 않을 것입니다. 이러한 "블랙 박스"처리 기술은 신호를 쉽게 깨끗하게 만들 수 있습니다. – chipaudette
ICA 구성 요소의 해석은 어려울 수 있으며, 약간의 경험이 필요하며 때로는 불행하여 혼합 된 구성 요소를 얻을 수도 있습니다. 다른 작업을하기 전에, ICA에 관한 실질적인 자료를 읽고 유물 감소에 대해 읽어야합니다 (사용자가 원하는 것으로 가정). 시작점으로, McMenamin et al. (2011) : http://www.ncbi.nlm.nih.gov/pubmed/20981275 –
수학에 깊이 관여 할 수는 없다는 것을 이해합니다. 그물은 그렇게 말했다. 연습 지향적 인 문학을 잘보아야합니다. –