<div dir="ltr">Dear Jenny,<div><br></div><div>For you, I gave major update on this wiki page.</div><div><a href="https://sccn.ucsd.edu/wiki/Makoto's_preprocessing_pipeline">https://sccn.ucsd.edu/wiki/Makoto's_preprocessing_pipeline</a><br></div><div>See the steps 6-9.</div><div><br></div><div>> but I'm not sure how stringent to be.</div><div><br></div><div>See Nima's PREP paper (Bigdely-Shamlo et al., 2015). There is a figure that illustrates what happens when you include bad channel to average reference.</div><div><br></div><div>> Clearly I would remove channels recorded from electrodes with a consistently bad connection, but what about channels that show slight 60 Hz interference, or channels that were poorly connected for the first 20% of the trials, but were then fixed and look fine for the rest of the task?<br></div><div><br></div><div>If 10% of datapoint rejection cannot clean the data, give up the channel. That's the rule of thumb. See Delorme et al. (2007) NeuroImage.</div><div><br></div><div>However, I recommend you use clean_rawdata(). This has ASR, artifact subspace reconstruction, which is a very smart algorithm.</div><div><a href="http://sccn.ucsd.edu/eeglab/plugins/ASR.pdf">http://sccn.ucsd.edu/eeglab/plugins/ASR.pdf</a><br></div><div><br></div><div>Makoto</div><div class="gmail_extra"><br><div class="gmail_quote">On Wed, Aug 24, 2016 at 8:35 AM, Jenny Bress <span dir="ltr"><<a href="mailto:jennifer.bress@gmail.com" target="_blank">jennifer.bress@gmail.com</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 dir="ltr">I recently began working in a lab that uses a dense-array cap and average referencing. I typically work with a smaller number of electrodes and use mastoid referencing, so this is a bit new to me. I know I should be removing bad channels before re-referencing to the average in order to avoid noise propagating to other channels, but I'm not sure how stringent to be. Clearly I would remove channels recorded from electrodes with a consistently bad connection, but what about channels that show slight 60 Hz interference, or channels that were poorly connected for the first 20% of the trials, but were then fixed and look fine for the rest of the task? Any advice would be much appreciated.</div>
<br>______________________________<wbr>_________________<br>
Eeglablist page: <a href="http://sccn.ucsd.edu/eeglab/eeglabmail.html" rel="noreferrer" target="_blank">http://sccn.ucsd.edu/eeglab/<wbr>eeglabmail.html</a><br>
To unsubscribe, send an empty email to <a href="mailto:eeglablist-unsubscribe@sccn.ucsd.edu">eeglablist-unsubscribe@sccn.<wbr>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.<wbr>edu</a><br></blockquote></div><br><br clear="all"><div><br></div>-- <br><div class="gmail_signature" data-smartmail="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></div>