<div dir="ltr">Dear Yamil,<div><br></div><div>ICA would work well even with relatively less number of datapoints if data are stationary (i.e. data from repeated trials and nothing else) with no too large amplitude.</div><div><br></div><div>You mean you have 128ch but only 7-min long data? Hmm that is quite a concern for me. You may try &#39;pca&#39;, 40 (or around) to see if this dimension reduction improves the results... if it does, then you&#39;d better use pca option for the final analysis.</div><div><br></div><div>The formula of (ch^2)x30 was empirically derived, and there is no quantitative experiment on it. So the issue is ambiguous.</div><div><br></div><div>I recently updated my wiki page about this issue. It is my personal opinion. In short, &quot;Someone please investigate this issue.&quot;</div><div><br></div><div>Makoto</div><div><br></div><a href="http://sccn.ucsd.edu/wiki/Makoto%27s_preprocessing_pipeline">http://sccn.ucsd.edu/wiki/Makoto%27s_preprocessing_pipeline</a><br><br>&quot;...By the way, how many datapoints do we need to obtain good ICA results? We have been suggesting that there needs to be (number of channel)^2 x 20 to 30 data points for the case of running ICA on 32 channels, and the number ’20 to 30’ should increase as the number of channels increase. However, we have not performed a systematic investigation on the minimum number of data points required for ICA. I personally downsample the data (with more than 128 channels) to 128Hz, particularly when I need to give up gamma due to too strong 50/60Hz for cleanline, only for ICA just to obtain the decomposition matrix. In this case, the number of datapoints is absolutely lower than the number suggested by the formula, but I have not encountered any problem so far. Some of my colleagues even told me that the aggressive downsampling before ICA enhanced the decomposition quality. This makes sense because most interesting EEG phenomena occur below 50 Hz anyways. I can easily imagine it is nonsense to use 192kHz sampling rate to record 1-sec long 64-ch EEG data and expect a good ICA results out of it... so probably it is not the absolute number of data points that determines the quality of decomposition. Similarly, it is probably true that ICA on 512Hz-sampled data is not necessarily better than ICA on the same data downsampled to 256Hz simply because the former has twice as many datapoints. Someone please investigate this issue.&quot;</div><div class="gmail_extra"><br><div class="gmail_quote">On Thu, Jun 4, 2015 at 1:42 AM, Yamil Vidal Dos Santos <span dir="ltr">&lt;<a href="mailto:hvidaldossantos@gmail.com" target="_blank">hvidaldossantos@gmail.com</a>&gt;</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><div><div><div><div><div>Hi all,<br></div>I have seen in this list that the recommended minimum data points to run ICA is  channel^2 x 30.<br></div>If I have a 128 electrode montage, and I sample at 250Hz, this would mean a minimum of 32 minutes of recording. Is this correct? Would it make a difference if I use PCA with ICA?<br><br></div>I&#39;m asking this because in one of my experiments the entire recording lasts about 7 minutes. I wanted to use ICA to clean this data, because the experiment doesn&#39;t have a trial structure, but is instead a continues exposure to a speech stream. I have run ICA on this data before and the results looked decent.<br></div>Any recommendations?<br><br></div>Thanks,<br></div>Yamil<br></div>
<br>_______________________________________________<br>
Eeglablist page: <a href="http://sccn.ucsd.edu/eeglab/eeglabmail.html" 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">eeglablist-unsubscribe@sccn.ucsd.edu</a><br>
For digest mode, send an email with the subject &quot;set digest mime&quot; to <a href="mailto:eeglablist-request@sccn.ucsd.edu">eeglablist-request@sccn.ucsd.edu</a><br></blockquote></div><br><br clear="all"><div><br></div>-- <br><div 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>