Thank you Alois for your tips!<br><br>By the way, I'm really interested in using ICA because the work I'm on is based on<br>some result provided by someone else using ICA. I can't get rid from ICA at the moment<br>


but I'll consider to try your suggestion for future works!<br><br><div class="gmail_quote">On Fri, May 18, 2012 at 8:36 AM, Alois Schloegl <span dir="ltr"><<a href="mailto:alois.schloegl@ist.ac.at" target="_blank">alois.schloegl@ist.ac.at</a>></span> wrote:<br>

<blockquote class="gmail_quote" style="margin:0 0 0 .8ex;border-left:1px #ccc solid;padding-left:1ex">Hi Dario,<br>
<br>
<br>
if you want to do a fully automated EOG/ECG correction, you can use REGRESS_EOG.M from biosig/t250 (I guess it comes with eeglab). In my experience, regression will work better than fully automated ICA (for details see [1]).<br>


<br>
It works this way:<br>
  [s,HDR]=sload(filename);<br>
  [M,N]=size(s);<br>
<br>
  eocg = sparse(N,3);<br>
  eocg(#H+,1)=1;        % replace #H with the number of your H++ channel)<br>
  eocg(#H-,1)=-1; %<br>
  eocg(#V+,2)=1;<br>
  eocg(#V-,2)=-1;<br>
  eocg(#EKG+,3)=1;<br>
  eocg(#EKG-,3)=-1;<br>
<br>
A fully automated identification of these channels is needed to automate that step. The function identify_eog_channels() is trying to do this, but because of a lack of standardization it's likely it won't work correctly. Though, You might want to adapt it to your data.<br>


<br>
  eegchan = [... ]; % list of your EEG channels<br>
  R = regress_eog(s, eegchan, eocg);<br>
  s_corr = s*R.s0;      % corrected eeg channels<br>
<br>
<br>
A view remarks:<br>
<br>
- You can expect the best performance when R = regress_eog(..) is computed from a data segment with large EOG and EKG artifacts (ask the subject to perform different eye movements at the beginning of the recording).<br>
<br>
- ECG has 3 spatial components, but only one is removed. Therefore, you can expect only a limited performance on the ECG artifact.<br>
<br>
- if the function identify_eog_channels() works properly on your data, the method can be fully automated. See also<br>
   help regress_eog<br>
   help identify_eog_channels<br>
   help get_regress_eog<br>
   help sload<br>
<br>
   Alois<br>
<br>
[1] <a href="http://precedings.nature.com/documents/3446/version/1/files/npre20093446-1.pdf" target="_blank">http://precedings.nature.com/<u></u>documents/3446/version/1/<u></u>files/npre20093446-1.pdf</a><div><div class="h5">

<br>
<br>
<br>
<br>
On 05/17/2012 05:57 PM, Dario Madeo wrote:<br>
</div></div><blockquote class="gmail_quote" style="margin:0 0 0 .8ex;border-left:1px #ccc solid;padding-left:1ex"><div><div class="h5">
Hi all,<br>
<br>
I'm a new user in the fantastic EEGLAB world :) !<br>
I have a question about the removal of ECG and EOG artifacts from EEG data.<br>
<br>
Here is my scenario: I have 40 channels, where:<br>
- 34 are EEG of which I know the location on scalp<br>
- 4 are EOG (namely H++, H-, V++, V-)<br>
- 2 are EKG (namely EKG++, EKG-).<br>
<br>
I load the dataset, and after this operation I would like to immediately<br>
run an ICA decomposition<br>
(I need to do something else before this?).<br>
But actually I really don't now how to correctly use this dataset with the<br>
ICA decomposition.<br>
Should I run the ICA only on the 34 eeg channels, or maybe on all 40<br>
channels? (in the<br>
relative GUI i can decide to do ICA on a certain subset of channels).<br>
The aim is to exclude the influence of the ECG/EOG artifacts from EEG data<br>
to accomplish further analysis.<br>
<br>
Can anyone help me?<br>
<br>
Thanks a lot!<br>
<br>
D.M.<br>
<br>
<br>
<br>
<br></div></div><div class="im">
______________________________<u></u>_________________<br>
Eeglablist page: <a href="http://sccn.ucsd.edu/eeglab/eeglabmail.html" target="_blank">http://sccn.ucsd.edu/eeglab/<u></u>eeglabmail.html</a><br>
To unsubscribe, send an empty email to <a href="mailto:eeglablist-unsubscribe@sccn.ucsd.edu" target="_blank">eeglablist-unsubscribe@sccn.<u></u>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.<u></u>edu</a><br>
</div></blockquote>
<br>
</blockquote></div><br><br clear="all"><br>-- <br>--- Dario Madeo<br><br>