稳态视觉诱发电位的最大可靠性空间滤波
定量方法
2014-07-24 v1 神经元与认知
摘要
稳态视觉诱发电位 (SSVEPs) 因其高信噪比 (SNR) 和对伪影的鲁棒性，成为研究人类视觉系统神经处理的流行技术。SSVEPs 通常在单个电极或最大化某种 SNR 变体的电极线性组合上进行分析。在此，我们利用诱发电位的基本假设——跨试次的可重复性，开发了一种提取少量高 SNR、最大可靠性 SSVEP 分量的技术。这种新颖的空间滤波方法作用于傅里叶系数阵列，并将数据投影到一个低维空间中，在该空间中试次间谱协方差被最大化。当应用于两个样本数据集时，所得技术恢复了生理上合理的分量（即恢复的拓扑图与底层源的导联场匹配），同时大幅降低了数据的维度（即前四个分量捕获了超过 90% 的试次间可靠性）。此外，所提出的技术实现了比单一最佳电极或主成分分析更高的 SNR。我们提供了该技术的免费 MATLAB 实现，此处称为“可靠分量分析”(Reliable Components Analysis)。
引用
@article{arxiv.1407.6110,
title = {Maximally reliable spatial filtering of steady state visual evoked potentials},
author = {Jacek P. Dmochowski and Alex S. Greaves and Anthony M. Norcia},
journal= {arXiv preprint arXiv:1407.6110},
year = {2014}
}
备注
12 pages, 7 figures