<div dir="ltr">Dear Fengyu (rich and rich),<div><br></div><div>Congrats for publication! Without much reading, some thoughts and comments.</div><div><br></div><div><span style="color:rgb(46,46,46);font-family:'Arial Unicode MS','Arial Unicode',Arial,'URW Gothic L',Helvetica,Tahoma,'Cambria Math',sans-serif;font-size:13.3333330154419px;line-height:20px;text-align:justify;word-spacing:-1.05611228942871px">> Electroencephalography (EEG) is one fundamental tool for functional brain imaging.</span><br></div><div><br></div><div>I'm sure Scott will like this phrase.</div><div><br></div><div><span style="color:rgb(46,46,46);font-family:'Arial Unicode MS','Arial Unicode',Arial,'URW Gothic L',Helvetica,Tahoma,'Cambria Math',sans-serif;font-size:13.3333330154419px;line-height:20px;text-align:justify;word-spacing:-1.05611228942871px">> However, the mostly applied computing tools for brain research are oriented for one-way or two-way data. </span><br></div><div><br></div><div>We do not apply ICA on concatenated multiple-subject data (which is called group ICA) because we appreciate individual differences across subjects. This sounds good, but it's also a curse because the group-level analysis is so complicated. How do you integrate thousands of ICs from dozens of subjects in the final group-level analysis? We have been struggling against the issue over ten years.</div><div><br></div><div>By the way please tell me if it is possible to apply your three-way data analysis on individual subject's independent components. I don't have math/physic background.</div><div><br></div><div>Makoto</div><div><br></div></div><div class="gmail_extra"><br><div class="gmail_quote">On Fri, May 29, 2015 at 3:55 PM, CONG Fengyu 丛丰裕 <span dir="ltr"><<a href="mailto:fengyu.cong@aliyun.com" target="_blank">fengyu.cong@aliyun.com</a>></span> wrote:<br><blockquote class="gmail_quote" style="margin:0 0 0 .8ex;border-left:1px #ccc solid;padding-left:1ex"><div><p style="margin:0px;clear:both"><span style="font-family:Tahoma,Arial,STHeiti,SimSun;font-size:14px;color:rgb(0,0,0)"></span></p><p class="MsoNormal" style="margin-bottom:0.000133333334815688px;text-align:justify;clear:both"><span style="font-family:Calibri,sans-serif;font-size:14px">Dear EEGLablist members,</span></p><p class="MsoNormal" style="margin-bottom:0.000133333334815688px;text-align:justify;clear:both"><span style="font-family:Calibri,sans-serif;font-size:14px"></span></p><p class="MsoNormal" style="margin-bottom:0.000133333334815688px;text-align:justify;clear:both"><span style="font-family:Calibri,sans-serif;font-size:14px">I would like to introduce my new review
paper to you. It is about Tensor Decomposition of EEG Signals and published in Journal
of Neuroscience Methods. The paper is open access and can be downloaded via </span></p><p class="MsoNormal" style="margin-bottom:0.000133333334815688px;text-align:justify;clear:both"><span style="font-family:Calibri,sans-serif;font-size:14px"><a href="http://www.sciencedirect.com/science/article/pii/S0165027015001016" target="_blank">http://www.sciencedirect.com/science/article/pii/S0165027015001016</a>.
The demo of MATLAB codes and ERP data can be downloaded via <a href="http://www.escience.cn/people/cong/AdvancedSP_ERP.html" target="_blank">http://www.escience.cn/people/cong/AdvancedSP_ERP.html</a>
</span></p><p class="MsoNormal" style="margin-bottom:0.000133333334815688px;text-align:justify;clear:both"><span style="font-family:Calibri,sans-serif;font-size:14px"></span></p><p class="MsoNormal" style="margin-bottom:0.000133333334815688px;text-align:justify;clear:both"><span style="font-family:Calibri,sans-serif;font-size:14px">EEG signals tend to be represented by a
vector or a matrix to facilitate data processing and analysis with generally
understood methodologies like time-series analysis, spectral analysis and
matrix decomposition. </span></p><p class="MsoNormal" style="margin-bottom:0.000133333334815688px;text-align:justify;clear:both"><span style="font-family:Calibri,sans-serif;font-size:14px"></span></p><p class="MsoNormal" style="margin-bottom:0.000133333334815688px;text-align:justify;clear:both"><span style="font-family:Calibri,sans-serif;font-size:14px">Indeed, EEG signals are often naturally
born with more than two modes of time and space, and they can be denoted by a
multi-way array called as tensor. This review summarizes the current progress
of tensor decomposition of EEG signals with three aspects. The first is about the
existing modes and tensors of EEG signals. Second, two fundamental tensor
decomposition models, canonical polyadic decomposition (CPD, it is also called
parallel factor analysis-PARAFAC) and Tucker decomposition, are introduced and
compared. Moreover, the applications of the two models for EEG signals are
addressed. Particularly, the determination of the number of components for each
mode is discussed. Finally, the N-way partial least square and higher-order
partial least square are described for a potential trend to process and analyze
brain signals of two modalities simultaneously.</span></p><p class="MsoNormal" style="margin-bottom:0.000133333334815688px;text-align:justify;clear:both"><span style="font-family:Calibri,sans-serif;font-size:14px"></span></p><p class="MsoNormal" style="margin-bottom:0.000133333334815688px;text-align:justify;clear:both"><span style="font-family:Calibri,sans-serif;font-size:14px">Looking forward to your comments and
suggestions on tensor decomposition of EEG signals. </span></p><p class="MsoNormal" style="margin-bottom:0.000133333334815688px;text-align:justify;clear:both"><span style="font-family:Calibri,sans-serif;font-size:14px"></span></p><p class="MsoNormal" style="margin-bottom:0.000133333334815688px;text-align:justify;clear:both"><span style="font-family:Calibri,sans-serif;font-size:14px">Sincerely, </span></p><p class="MsoNormal" style="margin-bottom:0.000133333334815688px;text-align:justify;clear:both"><span style="font-family:Calibri,sans-serif;font-size:14px">Fengyu </span></p><p class="MsoNormal" style="margin-bottom:0.000133333334815688px;text-align:justify;clear:both"><span style="font-family:Calibri,sans-serif;font-size:14px">P.S.: The bibliography of the paper is as
the following: </span></p><p class="MsoNormal" style="margin-bottom:0.000133333334815688px;text-align:justify;clear:both"><span style="font-family:Calibri,sans-serif;font-size:14px">Fengyu Cong, Qiu-Hua Lin, Li-Dan Kuang,
Xiao-Feng Gong, Piia Astikainen, Tapani Ristaniemi, Tensor Decomposition of EEG
Signals: A Brief Review, Journal of Neuroscience Methods 248: 59–69, 2015.</span></p><p class="MsoNormal" style="margin-bottom:0.000133333334815688px;text-align:justify;clear:both"><span style="font-family:Calibri,sans-serif;font-size:14px"></span></p><p style="margin:0px;clear:both"><span style="font-family:Tahoma,Arial,STHeiti,SimSun;font-size:14px;color:rgb(0,0,0)"></span></p><p style="margin:0px;clear:both"><br></p><p style="margin:0px;clear:both">--</p><p style="margin:0px;clear:both">Fengyu Cong, Ph.D., IEEE Senior Member</p><p style="margin:0px;clear:both"><br></p><p style="margin:0px;clear:both">Professor, Department of Biomedical Engineering, Dalian University of Technology, China</p><p style="margin:0px;clear:both"><br></p><p style="margin:0px;clear:both">Docent (Adjunct Associate Professor), University of Jyvaskyla, Finland</p><p style="margin:0px;clear:both"><br></p><p style="margin:0px;clear:both">Email: <a href="mailto:cong@dlut.edu.cn" target="_blank">cong@dlut.edu.cn</a>, <a href="mailto:fengyu.cong@aliyun.com" target="_blank">fengyu.cong@aliyun.com</a></p><p style="margin:0px;clear:both"><br></p><p style="margin:0px;clear:both">Homepage: <a href="http://www.escience.cn/people/cong/index.html" target="_blank">http://www.escience.cn/people/cong/index.html</a></p><p style="margin:0px;clear:both"><span style="font-family:Tahoma,Arial,STHeiti,SimSun;font-size:14px;color:rgb(0,0,0)"><br><br></span></p></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">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">eeglablist-request@sccn.ucsd.edu</a><br></blockquote></div><br><br clear="all"><div><br></div>-- <br><div class="gmail_signature"><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>