Analiza ERP z wykorzystaniem wielokanałowego algorytmu Matching Pursuit

W przedstawionej rozprawie proponujemy nowy algorytm do analizy komponentów potencjałów wywołanych w sygnałach EEG pochodzących z eksperymentów psychologicznych. Badamy jego możliwości i ograniczenia. Algorytm oparty jest na wielokanałowym dopasowaniu kroczącym (ang. Multivariate Matching Pursuit, MMP) oraz analizie skupień. Jego celem jest znalezienie wzorców w sygnałach EEG, które są podobne w różnych warunkach eksperymentalnych, dopuszczając zmienność amplitudy oraz niewielką zmienność topografii. Metoda ta przyniosła oczekiwane rezultaty w symulacjach numerycznych. Dla prawdziwych danych pochodzących z eksperymentu emocjonalnej kategoryzacji słów pokazaliśmy dwa zastosowania. Po pierwsze, metoda może być stosowana jako specyficzny filtr, który zmniejsza zmienność estymowanych komponentów, rozumianych w sposób klasyczny, w każdym z warunków doświadczalnych. Po drugie, wyodrębnione przez algorytm składowe mogą być badane jako hipotetyczne komponenty ukryte, ponieważ lokalizują się w zwartych obszarach mózgu związanych z zadaniem wykonywanym przez osoby badane w eksperymencie. Sugeruje to, że wykryte aktywności mogą być badane jako hipotetyczne ukryte komponenty. Zaproponowany algorytm jest nowym, obiecującym narzędziem w badaniach ERP, zasługującym na dalsze testy na danych eksperymentalnych.

In this study, we propose a new algorithm for analysing event-related components observed in EEG signals in psychological experiments. We investigate its capabilities and limitations. The algorithm is based on multivariate matching pursuit and clustering. It is aimed to find patterns in EEG signals which are similar across different experimental conditions, but it allows for variations in amplitude and slight variability in topography. The method proved to yield expected results in numerical simulations. For the real data coming from an emotional categorisation task experiment, we demonstrate two applications. First, the method can be used as a specific filter that reduces the variability of components, as defined classically, within each experimental condition. Second, equivalent dipoles fitted to items of the activity clusters identified by the algorithm localise in compact brain areas related to the task performed by the subjects across experimental conditions. Thus this activity may be studied as candidates for hypothetical latent components. The proposed algorithm is a promising new tool in ERP studies, which deserves further experimental evaluations.