<div dir="ltr"><div dir="ltr"><div class="gmail_default" style="font-family:arial,helvetica,sans-serif;font-size:small;color:#0000ff">Hi Katherine, notes below, good luck with this process, thanks for sharing back if you can with any learnings or insights along the EEG path.</div><div class="gmail_default" style="font-family:arial,helvetica,sans-serif;font-size:small;color:#0000ff"><ul><li>Looks like your processing path is okay (I'll assume no  channel interpolation before ICA). 6 minutes after cleaning is plenty of time for spectral estimates, even 2 minutes would do.<br></li><li>Your first more straightforward bet is to cut into 3 sec epochs and get an estimate of power at each band. This can be done with spectopo function. It is usual to cut continuous data into epochs for spectral power estimates, which are usually averaged across some number of epochs. <br></li><li>You could do the same for time-frequency in eeglab (Check out chronux functions or consider building from Mike X. Cohen's excellent book and matlab codes. If doing time-frequency, you pull estimates across time, or at particular points in time, and can also look for brief temporal effects if of interest (e.g., alpha bursts). <br></li><li>Your repeated measures analysis sounds normal, double check with a few publications in high-quality journals for best methods, and see papers on ERP/EEG guidelines and stats (such as from Steve Luck and recent issues focused on stats in Psychophysiology)<br></li><li>Regarding using components that's fine, and some researchers focus on ICs instead of the channel-level data, for multiple good reasons, one of them being that ICA isolates different kinds of brain dynamics and reduces the analysis space from X number of channels to a more manageable handful of neural ICs (aka sources).<br></li><li>In using ICs, one would take spectral estimates from the ICA activation time-series. Some things to think about are that ICs tend to have peaks at alpha or theta, and estimates of other bands may  be weak or invalid when getting multi-band estimates from one IC. Another thing to think about is that not every subject results in the same set of basic neural ICs, and that you'll likely have to focus on </li></ul></div></div><br><div class="gmail_quote"><div dir="ltr" class="m_-8386944039624098970gmail_attr">On Thu, Jan 17, 2019 at 2:22 PM Katherine Eskine <<a href="mailto:eskine_katherine@wheatoncollege.edu" target="_blank">eskine_katherine@wheatoncollege.edu</a>> wrote:<br></div><blockquote class="gmail_quote" style="margin:0px 0px 0px 0.8ex;border-left:1px solid rgb(204,204,204);padding-left:1ex"><div dir="ltr"><div dir="ltr">Dear all,<div><br></div><div>I have been working through a data set and would deeply appreciate some advice. I have 6 minutes of resting state data before and after exposure, all recorded in the same session. I would like to see if there are significant differences in frequency bands before as compared to after the exposure. </div><div><br></div><div>The EEG during the exposure was removed and then the continuous data has been post-processed and submitted to ICA analysis, where heartbeat, eye blinks, and other noisy components were removed. Then the data was split into the 6 minutes before and after. </div><div><br></div><div>How can I best determine if there are differences between the distributions of frequencies bans (alpha, beta, etc.)? </div><div><div><div>* bandpass filtering & plotting per band</div><div>* average absolute power per band, or</div><div>* time-frequency transform using short-term Fourier transforms or wavelets </div></div><div>* should I epoch the data into 3-second intervals and proceed from there?</div><div><br></div><div>My original thinking was to find the average alpha, beta, theta, delta and gamma for the pre and the post then submit them to a repeated measures analysis. However, I am wondering if an analysis using the components might provide more information? Can I identify significant differences in ICA's between the pre and the postconditions and then look at the dipoles for the brain source?</div><div><br></div><div>One follow-up question, will I run into problems because the pre and post conditions have the same ICA components? I assume that looking for different power of each component will get at any before and after differences, but does the structure violate vector parameters?</div><div><br></div><div>Thanks so much for your help. I have been following the discussion from Mohith, but I think my continuous data might be a slightly different case.</div><div><br></div><div>Best,</div><div><br></div><div>Kate</div><div><br></div><div><br></div><div><div><div dir="ltr" class="m_-8386944039624098970gmail-m_8673942443506155956gmail_signature"><div dir="ltr"><div><div dir="ltr"><div dir="ltr"><font size="4">Katherine E. Eskine </font></div><div dir="ltr"><span style="color:rgb(0,0,0);font-size:12.8px">Assistant Professor of Psychology</span><div style="font-size:small"><font color="#000000">Mars SC 1136</font><span style="color:rgb(0,0,0)"> / </span><span style="color:rgb(0,0,0)">t.</span><span style="color:rgb(0,0,0)"> </span><span style="color:rgb(0,0,0);font-size:12.8px">508-286-3636 </span></div><div style="font-size:small"><span style="color:rgb(0,0,0);font-size:12.8px">Wheaton College</span></div><div><br></div></div></div></div></div></div></div></div></div></div></div>
_______________________________________________<br>
Eeglablist page: <a href="http://sccn.ucsd.edu/eeglab/eeglabmail.html" rel="noreferrer" 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></blockquote></div></div>