<div dir="ltr">I think there is a <span style="font-size:12.8px">basic misunderstanding here on what EEG is and what channels actually measure</span> as Clemens wrote <div><br><div>Connectivity should never be computed between EEG channels. Due to volume conduction, signals recorded at all channels are a linear mixture of sources. Signals at all channels are therefore highly correlated. To use No source separation before estimating connectivity is simply wrong from my understanding. </div><div>If you reject artifacts with ICA and then go back to the channel space you have the same problem since all brain sources are still mixed at the channel level....</div></div><div><br></div><div>see also Clemens Brunners paper (<a href="http://journal.frontiersin.org/article/10.3389/fncom.2016.00121/full" rel="noreferrer" target="_blank" style="font-size:12.8px">http://journal.frontiersin.org<wbr>/article/10.3389/fncom.2016.<wbr>00121/full</a>)</div><div>and </div><div><a href="http://journal.frontiersin.org/article/10.3389/fninf.2014.00022/full">http://journal.frontiersin.org/article/10.3389/fninf.2014.00022/full</a><br></div><div><br></div><div>Johanna</div><div class="gmail_extra"><br><div class="gmail_quote">2017-06-14 13:30 GMT-07:00 Tarik S Bel-Bahar <span dir="ltr"><<a href="mailto:tarikbelbahar@gmail.com" target="_blank">tarikbelbahar@gmail.com</a>></span>:<br><blockquote class="gmail_quote" style="margin:0 0 0 .8ex;border-left:1px #ccc solid;padding-left:1ex">Thanks everyone for this cool ongoing conversation. Although not an<br>
expert in these issues, it’s exciting for me to know that we will soon<br>
very likely have new clear reports from multiple labs that will speak<br>
to these general issues and assumptions. Arno’s proof of concept is<br>
straightforward, and the article passed on by Clemens certainly lays<br>
out some important points. However, to date there is simply not enough<br>
recent published work directly examining these issues. In fact, top<br>
journals such as Neuroimage regularly publish articles using<br>
ICA-cleaned connectivity data. Overall, the field is dependent of<br>
valid/robust methods, and of course it’s important to test any/all<br>
assumptions as specifically as possible in a replicable/empirical<br>
manner.<br>
<br>
<br>
<br>
Possible dimensions/constraints to consider?<br>
<br>
Number of channels (as mentioned by Rob Lawson)<br>
<br>
Channel density and relative total-head coverage<br>
<br>
Number/type of artifact ICs removed<br>
<br>
Clarity/robustness of artifacts (e.g., ICs that are mixed vs. ICs that<br>
are mixed (containing both artifact and neural info)<br>
<br>
Channel-level vs. ICA-level vs. source-level connectivity metrics<br>
<br>
Length of epochs/trials<br>
<br>
Type of source analysis<br>
<br>
Type of reference (e.g., Chella et al., 2016)<br>
<br>
Type of ICA/blind source separation (e.g., Bridwell et al., 2016;<br>
Brain Topography)<br>
<br>
Event-related or resting data<br>
<br>
Signal quality (e.g., gel versus saline, very noisy vs. quite clean)<br>
<br>
Reliability of particular metric<br>
<br>
Type of connectivity metric (e.g., various kinds of phase measures,<br>
and the plethora of other connectivity and graph theoretical measures)<br>
<br>
MEG vs. EEG ?<br>
<br>
Sampling rate?<br>
<br>
<br>
<br>
Sample articles that seem to use ICA in relation to connectivity<br>
metrics are listed below.<br>
Moving forward, it may be beneficial to survey these authors and their findings.<br>
<br>
de Pasquale, F., Della Penna, S., Sporns, O., Romani, G. L., &<br>
Corbetta, M. (2015). A dynamic core network and global efficiency in<br>
the resting human brain. Cerebral Cortex, bhv185.<br>
<br>
Lai, M., Demuru, M., Hillebrand, A., & Fraschini, M. (2017). A<br>
Comparison Between Scalp-And Source-Reconstructed EEG Networks.<br>
bioRxiv, 121764.<br>
<br>
Colclough, G. L., Woolrich, M. W., Tewarie, P. K., Brookes, M. J.,<br>
Quinn, A. J., & Smith, S. M. (2016). How reliable are MEG<br>
resting-state connectivity metrics?. NeuroImage, 138, 284-293.<br>
<br>
Kuntzelman, K., & Miskovic, V. (2017). Reliability of graph metrics<br>
derived from resting‐state human EEG. Psychophysiology, 54(1), 51-61.<br>
<br>
Siems, M., Pape, A. A., Hipp, J. F., & Siegel, M. (2016). Measuring<br>
the cortical correlation structure of spontaneous oscillatory activity<br>
with EEG and MEG. NeuroImage, 129, 345-355.<br>
<br>
Toppi, J., Astolfi, L., Poudel, G. R., Innes, C. R., Babiloni, F., &<br>
Jones, R. D. (2016). Time-varying effective connectivity of the<br>
cortical neuroelectric activity associated with behavioural<br>
microsleeps. NeuroImage, 124, 421-432.<br>
<br>
Farahibozorg, S. R., Henson, R. N., & Hauk, O. (2017). Adaptive<br>
Cortical Parcellations for Source Reconstructed EEG/MEG Connectomes.<br>
bioRxiv, 097774.<br>
<br>
Rueda-Delgado, L. M., Solesio-Jofre, E., Mantini, D., Dupont, P.,<br>
Daffertshofer, A., & Swinnen, S. P. (2016). Coordinative task<br>
difficulty and behavioural errors are associated with increased<br>
long-range beta band synchronization, NeuroImage.<br>
<br>
Cooper, P. S., Wong, A. S., Fulham, W. R., Thienel, R., Mansfield, E.,<br>
Michie, P. T., & Karayanidis, F. (2015). Theta frontoparietal<br>
connectivity associated with proactive and reactive cognitive control<br>
processes. Neuroimage, 108, 354-363.<br>
<br>
Nayak, C. S., Bhowmik, A., Prasad, P. D., Pati, S., Choudhury, K. K.,<br>
& Majumdar, K. K. (2017). Phase Synchronization Analysis of Natural<br>
Wake and Sleep States in Healthy Individuals Using a Novel Ensemble<br>
Phase Synchronization Measure. Journal of Clinical Neurophysiology,<br>
34(1), 77-83.<br>
<br>
Vecchio, F., Miraglia, F., Piludu, F., Granata, G., Romanello, R.,<br>
Caulo, M., ... & Rossini, P. M. (2017). “Small World” architecture in<br>
brain connectivity and hippocampal volume in Alzheimer’s disease: a<br>
study via graph theory from EEG data. Brain imaging and behavior,<br>
11(2), 473-485.<br>
<br>
Ranzi, P., Freund, J. A., Thiel, C. M., & Herrmann, C. S. (2016).<br>
Encephalography Connectivity on Sources in Male Nonsmokers after<br>
Nicotine Administration during the Resting State. Neuropsychobiology,<br>
74(1), 48-59.<br>
<br>
Vecchio, F., Miraglia, F., Curcio, G., Della Marca, G., Vollono, C.,<br>
Mazzucchi, E., ... & Rossini, P. M. (2015). Cortical connectivity in<br>
fronto-temporal focal epilepsy from EEG analysis: a study via graph<br>
theory. Clinical Neurophysiology, 126(6), 1108-1116.<br>
<br>
Smit, D. J., de Geus, E. J., Boersma, M., Boomsma, D. I., & Stam, C.<br>
J. (2016). Life-span development of brain network integration assessed<br>
with phase lag index connectivity and minimum spanning tree graphs.<br>
Brain connectivity, 6(4), 312-325.<br>
<br>
Chung, Jae W., Edward Ofori, Gaurav Misra, Christopher W. Hess, and<br>
David E. Vaillancourt. "Beta-band activity and connectivity in<br>
sensorimotor and parietal cortex are important for accurate motor<br>
performance." NeuroImage 144 (2017): 164-173.<br>
<br>
Shou, G., & Ding, L. (2015). Detection of EEG<br>
spatial–spectral–temporal signatures of errors: A comparative study of<br>
ICA-based and channel-based methods. Brain topography, 28(1), 47-61.<br>
<br>
Kline, J. E., Huang, H. J., Snyder, K. L., & Ferris, D. P. (2016).<br>
Cortical Spectral Activity and Connectivity during Active and Viewed<br>
Arm and Leg Movement. Frontiers in neuroscience, 10.<br>
<br>
van Driel, J., Gunseli, E., Meeter, M., & Olivers, C. N. (2017). Local<br>
and interregional alpha EEG dynamics dissociate between memory for<br>
search and memory for recognition. NeuroImage, 149, 114-128.<br>
<br>
Castellanos, N.P., Makarov, V.A., 2006. Recovering EEG brain signals:<br>
Artifact suppression with wavelet enhanced independent component<br>
analysis. J. Neurosci. Methods 158, 300–312.<br>
doi:10.1016/j.jneumeth.2006.<wbr>05.033<br>
<br>
Mehrkanoon, S., Breakspear, M., Britz, J., & Boonstra, T. W. (2014).<br>
Intrinsic coupling modes in source-reconstructed<br>
electroencephalography. Brain connectivity, 4(10), 812-825.<br>
<div class="HOEnZb"><div class="h5">______________________________<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></div></div></blockquote></div><br><br clear="all"><div><br></div>-- <br><div class="gmail_signature" data-smartmail="gmail_signature"><div dir="ltr"><div><div dir="ltr"><div><div dir="ltr"><div><div dir="ltr"><div><div dir="ltr"><br>Johanna Wagner, PhD<br><div><br></div><div><a href="http://scholar.google.at/citations?user=vSJYGtcAAAAJ&hl=en" target="_blank">http://scholar.google.at/citations?user=vSJYGtcAAAAJ&hl=en</a><br></div><br><a href="http://sccn.ucsd.edu/" target="_blank"></a></div></div></div></div></div></div></div></div></div></div>
</div></div>