<div dir="ltr"><div dir="ltr"><div dir="ltr">Dear Kate,<div><br></div><div>> Can I access the PSD from the study GUI or is something that needs a script?<br></div><div><br></div><div>In the case of EEGLAB 14 or before...</div><div>After clustering the ICs in STUDY, 'Plot spectra' for all the clusters from 'Edit and plot'. After plotting all the cluster spectra, close the 'Edit and plot' window BY PRESSING OK. This creates 'STUDY.cluster(3).icaspectra' or something like that under each cluster which you can grab for your own statistics.</div><div><br></div><div><div>> I actually have the same question about the ICA, how can I see if there are differences? Where can I get the data to use in SPSS? </div><br class="gmail-Apple-interchange-newline"></div><div>Differences across conditions? Then you have to 'epoch' the trials separately for each condition. This is needed regardless of whether you perform sensor-level or ICA-decomposed comparison. If you are interested in ICA-clustering STUDY, you may want to check out this plugin I wrote. This supports data export to SPSS.</div><div><br></div><div><a href="https://sccn.ucsd.edu/wiki/Std_erpStudio">https://sccn.ucsd.edu/wiki/Std_erpStudio</a><br></div><div><br></div><div>Makoto</div><div><br></div></div><br><div class="gmail_quote"><div dir="ltr" class="gmail_attr">On Tue, Jan 22, 2019 at 11:57 AM Katherine Eskine <<a href="mailto:eskine_katherine@wheatoncollege.edu">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="auto">First, thanks so much for your thoughtful responses. I am going to do a PSD and an ICA comparison. <div><br></div><div>I have a few follow up questions I am hopeful you can help me with.</div><div><div><br></div><div>Can I access the PSD from the study GUI or is something that needs a script? To do a repeated measures analysis where can I download the data from?</div><div><br></div><div> I actually have the same question about the ICA, how can I see if there are differences? Where can I get the data to use in SPSS? </div><div><br><div dir="ltr">Thanks so much for your guidance, much obliged. </div><div dir="ltr"><br></div><div dir="ltr">Best,</div><div dir="ltr"><br></div><div dir="ltr">Kate</div><div dir="ltr"><br>On Jan 17, 2019, at 9:25 PM, Makoto Miyakoshi <<a href="mailto:mmiyakoshi@ucsd.edu" target="_blank">mmiyakoshi@ucsd.edu</a>> wrote:<br><br></div><blockquote type="cite"><div dir="ltr"><div dir="ltr"><div dir="ltr">Dear Katherine,<div><br></div><div><div>> How can I best determine if there are differences between the distributions of frequencies bans (alpha, beta, etc.)? </div><div><div><br></div><div>If you know how to code, of course you can take temporal dynamics of the alpha, theta, etc band power into consideration in an creative way!</div><div>However, even just a standard power spectral density (PSD) would be sufficient to draw a conclusion. It is simpler too.</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? <br></div><div><br></div><div>Yes, ICA results come with their corresponding scalp topography (which is directly generated by ICA as inverse weight matrix, EEG.icawinv), on which you can perform dipole fitting using EEGLAB's infinitely close to official plugin Dipfit.</div><div><br></div><div>> Can I identify significant differences in ICA's between the pre and the postconditions and then look at the dipoles for the brain source?<br></div><div><br></div><div>You can at least compare pre and post conditions.</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><br class="gmail-m_-4723022580430771373gmail-Apple-interchange-newline"></div></div><div>If subjects did not take the cap between pre and post conditions, then you can run just one ICA on the two conditions. This is much more straightforward. If they did take the cap, then you MUST run ICA separately on pre and post, then you have to use IC clustering, hoping that a given cluster has both pre and post of the same subject (which is not guaranteed...) So the interpretation will be probabilistic.</div><div><br></div><div>Makoto</div><div><br></div></div><br><div class="gmail_quote"><div dir="ltr" class="gmail-m_-4723022580430771373gmail_attr">On Thu, Jan 17, 2019 at 11:24 AM 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="gmail-m_-4723022580430771373gmail-m_-7933866823483982467gmail_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><br clear="all"><div><br></div>-- <br><div dir="ltr" class="gmail-m_-4723022580430771373gmail_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></blockquote></div></div></div></blockquote></div><br clear="all"><div><br></div>-- <br><div dir="ltr" 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></div>