<div dir="ltr">Dear Rachel,<div><br></div><div>When you choose the domain that survived MP statistics, you are already choosing the one to which limited number of subjects contribute (Nima, please correct me if I'm wrong). So you don't need to exclude non-contributors yourself. </div>

<div>MP is the filter to find maximum similarity in both dipole locations and projected measures.</div><div><br></div><div>Makoto</div></div><div class="gmail_extra"><br><br><div class="gmail_quote">On Tue, Aug 12, 2014 at 3:39 AM, Cooper, Rachel <span dir="ltr"><<a href="mailto:rcoopea@essex.ac.uk" target="_blank">rcoopea@essex.ac.uk</a>></span> wrote:<br>

<blockquote class="gmail_quote" style="margin:0 0 0 .8ex;border-left:1px #ccc solid;padding-left:1ex">




<div>
<div style="direction:ltr;font-family:Tahoma;color:#000000;font-size:10pt">Hi Makoto,<br>
<br>
Thanks for your reply. More participants were included when using MP than clustering (plus there are beautiful plots!). I'm using MP to choose which ICs and their activations to analyse from each participant. Do you think it is best to exclude participants
 who didn't contribute any ICs to the MP analysis? I could try to find the most similar looking IC from each excluded participant but this seems inaccurate and would probably add lots of error.<br>
<br>
Best<br>
Rachel<br>
<div style="font-family:Times New Roman;color:#000000;font-size:16px">
<hr>
<div style="direction:ltr"><font color="#000000" face="Tahoma"><b>From:</b> Makoto Miyakoshi [<a href="mailto:mmiyakoshi@ucsd.edu" target="_blank">mmiyakoshi@ucsd.edu</a>]<br>
<b>Sent:</b> 11 August 2014 19:53<br>
<b>To:</b> Cooper, Rachel<br>
<b>Cc:</b> <a href="mailto:eeglablist@sccn.ucsd.edu" target="_blank">eeglablist@sccn.ucsd.edu</a>; Nima Bigdely Shamlo<br>
<b>Subject:</b> Re: [Eeglablist] Measure projection<br>
</font><br>
</div><div><div class="h5">
<div></div>
<div>
<div dir="ltr">Dear Rachel,
<div><br>
</div>
<div><span style="color:rgb(0,0,0);font-family:Tahoma;font-size:13.333333015441895px">> Now that I have run measure projection however, I've found that the problem persists.</span><br>
</div>
<div class="gmail_extra"><br>
</div>
<div class="gmail_extra">If I understand it correctly, MP does not solve the problem completely, but it reduces it. If you smooth the data with 3-D Gaussian kernal (default with 8 mm, but try 20 mm also) you have *more chance* to overlap more subject's ICs
 in a given 'domain' than not.</div>
<div class="gmail_extra"><br>
</div>
<div class="gmail_extra">I heard from Tim Mullen that he would release Bayesian Hierachical whatever to solve the 'missing data problem' in this approach. We will start the test phase soon.</div>
<div class="gmail_extra"><br>
</div>
<div class="gmail_extra">Makoto<br>
<br>
<div class="gmail_quote">On Wed, Jul 30, 2014 at 4:01 PM, Cooper, Rachel <span dir="ltr">
<<a href="mailto:rcoopea@essex.ac.uk" target="_blank">rcoopea@essex.ac.uk</a>></span> wrote:<br>
<blockquote class="gmail_quote" style="margin:0px 0px 0px 0.8ex;border-left-width:1px;border-left-color:rgb(204,204,204);border-left-style:solid;padding-left:1ex">
<div>
<div style="direction:ltr;font-family:Tahoma;color:rgb(0,0,0);font-size:10pt">
Hi everyone,<br>
<br>
Following advice given from members of this list (thank you) I used the measure projection add-on to try to find similar ICs across my participants/conditions. Using measure projection was recommended as a solution to the problem I had when clustering. The
 problem with clustering was that ICs from some participants didn't appear in a cluster and some participants contributed multiple ICs to a cluster. Now that I have run measure projection however, I've found that the problem persists. Could this be due to a
 mistake in running the MP analysis? What should I do with the participants who's ICs did not contribute to a domain?<br>
<br>
Many thanks<br>
Rachel<span><font color="#888888"><br>
<br>
<br>
<div><br>
<div style="font-family:Tahoma;font-size:13px">
<div style="font-family:Tahoma;font-size:13px">Rachel Cooper<br>
PhD researcher<br>
Department of Psychology,<br>
University of Essex,<br>
Wivenhoe Park,<br>
Colchester,<br>
Essex,<br>
CO4 3SQ<br>
</div>
</div>
</div>
</font></span></div>
</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>
</div>
<br>
<br clear="all">
<div><br>
</div>
-- <br>
<div dir="ltr">Makoto Miyakoshi<br>
Swartz Center for Computational Neuroscience<br>
Institute for Neural Computation, University of California San Diego<br>
</div>
</div>
</div>
</div>
</div></div></div>
</div>
</div>

</blockquote></div><br><br clear="all"><div><br></div>-- <br><div dir="ltr">Makoto Miyakoshi<br>Swartz Center for Computational Neuroscience<br>Institute for Neural Computation, University of California San Diego<br></div>


</div>