<p>Hello!</p><p>Good luck and let me know if the below helps. Hoping all is well in Hungary !<br></p><p><br>
1. You should expect different ic decompositions when you put in different data.</p>2. It is better to give ICA more data than less, but this depends on the bias of the investigator. Ideally you just have many many epochs of the data of interest,<br>
but that is often not the case.<br><br>3. Using the time in between epochs [longer epochs, or the continuous data<br>for a particular task] may help your task-specific ICA decomposition<br><br>4. From my perspective, the ICs you get from ICAing the continuous data are<br>
probably more representative of independent sources in the data. That<br>being said, you would want the other tasks or time points to be a relatively<br>similar paradigm, not incredibly different, or considerably more artifactual<br>
<br>5. If you have enough epochs, then your ICA decomposition will probably be fine.<br><br>6. you need at least 30 X (number of channels squared) time points for good ICA<br>decompositions. Please check EEGLAB documentation for specific numbers.<br>
Exactly how much or how little data is needed is an empirical question<br>for future researchers.<br><br>7. You probably are only getting one eye blink IC when decomposing your epoched<br>data, because your epoched data has only a subset of the total eyeblink <br>
events in your continuous data. It's also possible that the epoched data is overall <br>less dirty or less "blinky".<br><br>8. PS: Don't forget to visually and automatically clean your data of <br>bad channels and artifactual time periods, before running the data through ICA,<br>
whether epoched or continuous. You're better off visually cleaning your continuous.<br>You may also need to further clean the data after ICA, and rerun ICA.<br><br><br><br>
<p></p><blockquote type="cite">On Mar 23, 2011 5:07 PM, "Barkaszi Irén" <<a href="mailto:barkaszi@cogpsyphy.hu" target="_blank">barkaszi@cogpsyphy.hu</a>> wrote:<br><br>

  

    
  
  <div text="#000000" bgcolor="#ffffff">
    Dear all,<br>
    <br>
    
    <p class="MsoNormal">I ran ICA on my 3-stimulus oddball task with
      extended
      infomax algorithm on continuous (Neuroscan cnt) and epoched (eeg)
      data too. I
      had 800 trials (SOA=1000 ms), epoch length was 1000 ms (-200 ms to
      800 ms). <span> </span>The components differed in this
      two analyses
      (continuous and epoched data, equal data length). In the epoched
      data there are
      meaningful components which are absent in the cnt analysis. There
      is one blink
      component in the epoched analysis, but in the cnt data several
      components (more
      than 10) consist blink. Does anyone can explain me my result?<br>
    </p>
    <p class="MsoNormal">Kind regards,<br>
      Iren<br>
    </p>
    <br>
  </div>

<br>_______________________________________________<br>
Eeglablist page: <a href="http://sccn.ucsd.edu/eeglab/eeglabmail.html" target="_blank">http://sccn.ucsd.edu/eeglab/eeglabmail.html</a><br>
To unsubscribe, send an empty email to <a href="mailto:eeglablist-unsubscribe@sccn.ucsd.edu" target="_blank">eeglablist-unsubscribe@sccn.ucsd.edu</a><br>
For digest mode, send an email with the subject "set digest mime" to <a href="mailto:eeglablist-request@sccn.ucsd.edu" target="_blank">eeglablist-request@sccn.ucsd.edu</a><br></blockquote><p></p>