<div dir="ltr"><div class="gmail_default" style="color:rgb(51,51,153)">Hello Gian, one other recent article in case you have not seen it, from the eeglab team:</div><div class="gmail_default" style="color:rgb(51,51,153)"><br></div><div class="gmail_default" style="color:rgb(51,51,153)"><h3 class="gmail-gs_rt" style="margin:0px 100px 2px 0px;padding:0px;border:0px;font-size:17px;line-height:19px;color:rgb(34,34,34);font-family:Arial,sans-serif"><span style="font-weight:normal">Grand average ERP-image plotting and statistics: A method for comparing variability in event-related single-trial EEG activities across subjects and conditions</span></h3><div><br></div><div><br></div></div><div class="gmail_extra"><br><div class="gmail_quote">On Wed, Oct 11, 2017 at 12:45 PM, Tarik S Bel-Bahar <span dir="ltr"><<a href="mailto:tarikbelbahar@gmail.com" target="_blank">tarikbelbahar@gmail.com</a>></span> wrote:<br><blockquote class="gmail_quote" style="margin:0 0 0 .8ex;border-left:1px #ccc solid;padding-left:1ex"><div dir="ltr"><div style="color:rgb(51,51,153)">Hello Gian, some quick notes below, best wishes!</div><div style="color:rgb(51,51,153)"><br></div><div style="color:rgb(51,51,153)"><br></div><div style="color:rgb(51,51,153)">************BEGIN NOTES FOR GIAN</div><div style="color:rgb(51,51,153)"><br></div><div style="color:rgb(51,51,153)">There are several papers out there on single-trial metrics, both in mainstream EEG journals, imaging journals, methods journals, as well as IEEE/BCI/neurorehab/neuro-engi<wbr>neering journals. This is an important topic as the field ihas been moving away (more quickly in recent years) from "averaged" responses to understanding variability across trials, the validity of using single trials, etc.. Take a good look through those publications for good ideas. If you have trouble finding those, just look for any articles in last 10 years that mention single-trial and EEG in their title or abstract, and review them all. Then you can become an expert on what's been done, what's not been done, and contribute to this area of EEG methods/metrics. Note that the BCI field has also dealt extensively with working with single-trials and there are great reviews out there summarizing the efficacy of those methods, and the accuracy of various machine/classifier approaches to working with BCI-related protocols. </div><div style="color:rgb(51,51,153)"><br></div><div style="color:rgb(51,51,153)">I've include a range of mostly recent papers (including several reviews focused on the single-trial topic) below. You can find them all easily on Google Scholar. Note there are many other papers that I am not listing here. When you have developed a good list of ideas/methods/etc... please consider sharing them with the list as it will also help other users make benefit of the single-trial brain dynamics, and make informed decisions.</div><div style="color:rgb(51,51,153)"><br></div><div style="color:rgb(51,51,153)">Within eeglab, you can certainly pull out single trial metrics, and you already have important issues/caveats in mind. As you know eeglab emphasizes the power and usefulness of ICA, so one thing you can do is stay in ICA space, use good neural IC components, and focus on IC-resolved single-trial metrics. In fact the developers of eeglab had a strong focus on making it easier to visualize and work with single-trial brain dynamics, as there's where some of the most interesting "action" happens. In other words, humans naturally function in terms of single-trials, it's only science that's needed to start with averaged responses (though, again, this has been changing for at least the last two decades). When you start your trials of single-trial analyses with eeglab, you can send more focused and specific questions to the list, especially if you bump into problems of implementation in terms of the eeglab gui and scripting your methods.</div><div style="color:rgb(51,51,153)"><br></div><div style="color:rgb(51,51,153)">I've also seen some paper that essentially drop all ICs except the one of interest, and then looks at the rebuilt channel-level data based on that. This is one way of many to "single-out" the activity of interest at each trial. Overall, you would want to pull/use single-trials that really match some prototype ERP, but you would have to deal with the fact that ERPs are usually averaged across trials. Explore the ERPimage technique in eeglab at least to get a sense of how you can visualize data across all your trials, including sorting them in various ways. Another set of issues one would have to deal with is cleanliness of the data, method of preprocessing, individual differences in signal quality, variation in ERPs across single trials within each participant, and the validity of the protocol you have used to generate the ERPs in question, including the quality of your specific implementation of that protocol.</div><div style="color:rgb(51,51,153)"><br></div><div style="color:rgb(51,51,153)"><br style="color:rgb(34,34,34)"><span style="color:rgb(34,34,34)">Best practice for single-trial detection of event-related potentials: Application to brain-computer interfaces</span><br style="color:rgb(34,34,34)"><br style="color:rgb(34,34,34)"><span style="color:rgb(34,34,34)">Simultaneous recording of MEG, EEG and intracerebral EEG during visual stimulation: from feasibility to single-trial analysis</span><br style="color:rgb(34,34,34)"><br style="color:rgb(34,34,34)"><span style="color:rgb(34,34,34)">The effects of reward magnitude on reward processing: An averaged and single trial event-related potential study</span><br style="color:rgb(34,34,34)"><br style="color:rgb(34,34,34)"><span style="color:rgb(34,34,34)">Exploiting the intra-subject latency variability from single-trial event-related potentials in the P3 time range: A review and comparative evaluation of methods</span><br style="color:rgb(34,34,34)"><br style="color:rgb(34,34,34)"><span style="color:rgb(34,34,34)">Similar sound intensity dependence of the N1 and P2 components of the auditory ERP: averaged and single trial evidence</span><br style="color:rgb(34,34,34)"><br style="color:rgb(34,34,34)"><span style="color:rgb(34,34,34)">Single-trial analysis and classification of ERP components—a tutorial</span><br style="color:rgb(34,34,34)"><br style="color:rgb(34,34,34)"><span style="color:rgb(34,34,34)">Single-trial normalization for event-related spectral decomposition reduces sensitivity to noisy trials</span><br style="color:rgb(34,34,34)"><br style="color:rgb(34,34,34)"><span style="color:rgb(34,34,34)">A Bayesian method to estimate single-trial event-related potentials with application to the study of the P300 variability</span><br style="color:rgb(34,34,34)"><br style="color:rgb(34,34,34)"><span style="color:rgb(34,34,34)">Functional source separation improves the quality of single trial visual evoked potentials recorded during concurrent EEG-fMRI</span><br style="color:rgb(34,34,34)"><br style="color:rgb(34,34,34)"><span style="color:rgb(34,34,34)">The superior temporal sulcus and the N170 during face processing: single trialanalysis of concurrent EEG–fMRI</span><br style="color:rgb(34,34,34)"><br style="color:rgb(34,34,34)"><span style="color:rgb(34,34,34)">Attentional selection in a cocktail party environment can be decoded from single-trial EEG</span><br style="color:rgb(34,34,34)"><br style="color:rgb(34,34,34)"><span style="color:rgb(34,34,34)">Space-by-time decomposition for single-trial decoding of M/EEG activity</span><br style="color:rgb(34,34,34)"><br style="color:rgb(34,34,34)"><span style="color:rgb(34,34,34)">Neural Activity Elicited by a Cognitive Task can be Detected in Single-Trials with Simultaneous Intracerebral EEG-fMRI Recordings</span><br style="color:rgb(34,34,34)"><br style="color:rgb(34,34,34)"><span style="color:rgb(34,34,34)">A Change-point Analysis Method for Single-trial Study of Simultaneous EEG-fMRI of Auditory/Visual Oddball Task</span><br style="color:rgb(34,34,34)"><br style="color:rgb(34,34,34)"><span style="color:rgb(34,34,34)">Single-trial analysis of readiness potentials for lower limb exoskeleton control</span><br style="color:rgb(34,34,34)"><br style="color:rgb(34,34,34)"><span style="color:rgb(34,34,34)">How attention influences perceptual decision making: Single-trial EEGcorrelates of drift-diffusion model parameters</span><br style="color:rgb(34,34,34)"><br style="color:rgb(34,34,34)"><span style="color:rgb(34,34,34)">Predicting EEG single trial responses with simultaneous fMRI and relevance vector machine regression</span><br style="color:rgb(34,34,34)"><br style="color:rgb(34,34,34)"><span style="color:rgb(34,34,34)">Individual differences in human auditory processing: Insights from single-trialauditory midbrain activity in an animal model</span><br style="color:rgb(34,34,34)"><br style="color:rgb(34,34,34)"><span style="color:rgb(34,34,34)">A pipeline of spatio-temporal filtering for predicting the laterality of self-initiated fine movements from single trial readiness potentials</span><br style="color:rgb(34,34,34)"><br style="color:rgb(34,34,34)"><span style="color:rgb(34,34,34)">Single-trial detection of somatosensory evoked potentials by probabilistic independent component analysis and wavelet filtering</span><br style="color:rgb(34,34,34)"><br style="color:rgb(34,34,34)"><span style="color:rgb(34,34,34)">Selectivity of N170 for visual words in the right hemisphere: Evidence fromsingle‐trial analysis</span><br style="color:rgb(34,34,34)"><br style="color:rgb(34,34,34)"><span style="color:rgb(34,34,34)">Single-trial event-related potential extraction through one-unit ICA-with-reference</span><br style="color:rgb(34,34,34)"><br style="color:rgb(34,34,34)"><span style="color:rgb(34,34,34)">A single trial analysis of EEG in recognition memory: Tracking the neural correlates of memory strength</span><br style="color:rgb(34,34,34)"><br style="color:rgb(34,34,34)"><span style="color:rgb(34,34,34)">Interpretable deep neural networks for single-trial EEG classification</span><br style="color:rgb(34,34,34)"><br style="color:rgb(34,34,34)"><span style="color:rgb(34,34,34)">Machine learning for real-time single-trial EEG-analysis: from brain–computer interfacing to mental state monitoring</span><br style="color:rgb(34,34,34)"><br style="color:rgb(34,34,34)"><span style="color:rgb(34,34,34)">Exploring time-and frequency-dependent functional connectivity and brain networks during deception with single-trial event-related potentials</span><br style="color:rgb(34,34,34)"><br style="color:rgb(34,34,34)"><span style="color:rgb(34,34,34)">Trial‐by‐trial co‐variation of pre‐stimulus EEG alpha power and visuospatial bias reflects a mixture of stochastic and deterministic effects</span><br style="color:rgb(34,34,34)"><br style="color:rgb(34,34,34)"><span style="color:rgb(34,34,34)">The Pavlovian craver: Neural and experiential correlates of single trialnaturalistic food conditioning in humans</span><br style="color:rgb(34,34,34)"><br style="color:rgb(34,34,34)"><span style="color:rgb(34,34,34)">Single-trial EEG classification of motor imagery using deep convolutional neural networks</span><br style="color:rgb(34,34,34)"><br style="color:rgb(34,34,34)"><span style="color:rgb(34,34,34)">Open Access Dataset for EEG+ NIRS Single-Trial Classification</span><br style="color:rgb(34,34,34)"><br style="color:rgb(34,34,34)"><span style="color:rgb(34,34,34)">Pre-trial EEG-based single-trial motor performance prediction to enhance neuroergonomics for a hand force task</span><br style="color:rgb(34,34,34)"><br style="color:rgb(34,34,34)"><span style="color:rgb(34,34,34)">Optimal spatial filtering of single trial EEG during imagined hand movement</span><br style="color:rgb(34,34,34)"><br style="color:rgb(34,34,34)"><span style="color:rgb(34,34,34)">Using single-trial EEG to predict and analyze subsequent memory</span><br style="color:rgb(34,34,34)"><br style="color:rgb(34,34,34)"><span style="color:rgb(34,34,34)">Classifying single trial EEG: Towards brain computer interfacing</span><br style="color:rgb(34,34,34)"><br style="color:rgb(34,34,34)"><span style="color:rgb(34,34,34)">A comparison of single-trial EEG classification and EEG-informed fMRI across three MR compatible EEG recording systems</span><br style="color:rgb(34,34,34)"><br style="color:rgb(34,34,34)"><span style="color:rgb(34,34,34)">Toward FRP-Based Brain-Machine Interfaces—Single-Trial Classification of Fixation-Related Potentials</span><br style="color:rgb(34,34,34)"><br style="color:rgb(34,34,34)"><span style="color:rgb(34,34,34)">Spatio-spectral filters for improving the classification of single trial EEG</span><br style="color:rgb(34,34,34)"><br style="color:rgb(34,34,34)"><span style="color:rgb(34,34,34)">Sliding HDCA: single-trial EEG classification to overcome and quantify temporal variability</span><br style="color:rgb(34,34,34)"><br style="color:rgb(34,34,34)"><span style="color:rgb(34,34,34)">Spatiotemporal representations of rapid visual target detection: a single-trial eegclassification algorithm</span><br style="color:rgb(34,34,34)"><br style="color:rgb(34,34,34)"><span style="color:rgb(34,34,34)">The P600-as-P3 hypothesis revisited: Single-trial analyses reveal that the late EEG positivity following linguistically deviant material is reaction time aligned</span><br style="color:rgb(34,34,34)"><br style="color:rgb(34,34,34)"><span style="color:rgb(34,34,34)">Single Trial EEG Patterns for the Prediction of Individual Differences in Fluid Intelligence</span><br style="color:rgb(34,34,34)"><br style="color:rgb(34,34,34)"><span style="color:rgb(34,34,34)">Single-trial EEG classification using logistic regression based on ensemble synchronization</span><br style="color:rgb(34,34,34)"><br style="color:rgb(34,34,34)"><span style="color:rgb(34,34,34)">RSTFC: A novel algorithm for spatio-temporal filtering and classification ofsingle-trial EEG</span><br style="color:rgb(34,34,34)"><br style="color:rgb(34,34,34)"><span style="color:rgb(34,34,34)">Neurological classifier committee based on artificial neural networks and support vector machine for single-trial EEG signal decoding</span><br style="color:rgb(34,34,34)"></div><div style="color:rgb(51,51,153)"><div><br></div><div><br></div><div><br></div></div><div style="color:rgb(51,51,153)"><br></div><div style="color:rgb(51,51,153)"><br></div><div style="color:rgb(51,51,153)"><br></div></div>
</blockquote></div><br></div></div>