<div dir="ltr">Makoto, <div><br></div><div>Thanks so much for the detailed reply. Indeed, given all the caveats, 0.1hz hi-pass produces &#39;better&#39; ERP waveforms and is in-line with the literature. </div><div><br></div><div>But what I&#39;d really like to know is, does *my* 0.1hz data contain comparable drift to others&#39; 0.1hz data? It&#39;s hard to tell since people don&#39;t publish their epoched EEG data. If it is comparable then I can feel much better. </div><div><br></div><div>And yes, for ICA I use 1hz hipass then copy the resulting weights to 0.1hz data. </div><div><br></div><div>Mohammed, </div><div><br></div><div>I&#39;ve tried detrend on continuous 0.1hz data with little effect. Do you mean detrend on individual epochs? Would that result in consistency issues across epochs?</div><div><br></div><div>Many thanks for the comments!</div><div><br></div><div>Best, </div><div>Kevin </div></div><div class="gmail_extra"><br clear="all"><div><div class="gmail_signature"><div dir="ltr"><div><font size="1" face="arial, helvetica, sans-serif">--</font></div><font size="1" face="arial, helvetica, sans-serif">Kevin Alastair M. Tan</font><div><font size="1" face="arial, helvetica, sans-serif">Lab Manager/Research Assistant<br></font><div><font size="1" face="arial, helvetica, sans-serif">Department of Psychology &amp; Center for the Neural Basis of Cognition</font></div><div><font size="1" face="arial, helvetica, sans-serif">Carnegie Mellon University</font></div><div><font size="1" face="arial, helvetica, sans-serif"><br></font><div><div><font size="1" face="arial, helvetica, sans-serif"><a href="https://www.google.com/maps/place/40%C2%B026%2729.5%22N+79%C2%B056%2744.0%22W/@40.4414869,-79.9455701,61m/data=!3m1!1e3!4m2!3m1!1s0x0:0x0" target="_blank">Baker Hall 434</a> | <a href="mailto:kevintan@cmu.edu" target="_blank">kevintan@cmu.edu</a> | <a href="http://tarrlabwiki.cnbc.cmu.edu/index.php/KevinTan" target="_blank">tarrlab.org/kevintan</a></font></div></div></div></div></div></div></div>
<br><div class="gmail_quote">On Thu, Aug 6, 2015 at 7:50 AM, Mohammed Jarjees <span dir="ltr">&lt;<a href="mailto:m.jarjees.1@research.gla.ac.uk" target="_blank">m.jarjees.1@research.gla.ac.uk</a>&gt;</span> wrote:<br><blockquote class="gmail_quote" style="margin:0 0 0 .8ex;border-left:1px #ccc solid;padding-left:1ex">Dear Kevin Tan,<br>
Have you tried detrend function on 0.1 Hz filtered data. It may be help.<br>
Best Regards<br>
Mohammed Jarjees<br>
<br>
________________________________________<br>
From: Makoto Miyakoshi [<a href="mailto:mmiyakoshi@ucsd.edu">mmiyakoshi@ucsd.edu</a>]<br>
Sent: 05 August 2015 06:03<br>
To: Kevin Tan<br>
Cc: EEGLAB List<br>
Subject: Re: [Eeglablist] Too much drift with just 0.1hz high-pass filtering?<br>
<span class=""><br>
Dear Kevin,<br>
<br>
In the Appendix of Rousslet (2012), you can find the shockingly bad effect of 1-Hz high-pass filter compared with 0.5-Hz or below. However, the filter function used here is pop_eegfilt, which is an old generation before Andreas Widmann redesign it, so for 500-Hz sampled data the filter order for 1-Hz is 75000. After Andreas&#39;s fix, it is 1651. 75000 is crazy. You need to keep it in mind. FYI, 1-Hz highpass with Hamming window and fiter order 75000 results in the transition bandwidth of 0.022; Andreas&#39;s heuristics suggests 1.<br>
<br>
&gt; Is the drift in 0.1hz data ok? I get &#39;better looking&#39; ERP waveforms &amp; more robust differences between conditions in 0.1hz data – I&#39;m worried this is mostly due to drift.<br>
<br>
Sadly, it is often the case that our eye are trained for something that does not have a good ground. Rousslet (2012) showed &#39;distortion&#39; of ERP waveforms after 1- and 2-Hz highpass (but again with old function). However, if you know Gibb&#39;s phenomenon etc and the exact filter order you are using, you would find nothing wrong. Same goes for your/my impression of the 0.1-Hz high-passed data. I would say the waves are drifting and at least bad for the purpose of ICA. But for the researchers of EEG infraslow oscillations, they would say oh it&#39;s a good data.<br>
<br>
So there is no good or bad. After averaging several hundred trials, the apparently drifting signals (to my eyes) will produce &#39;better&#39; ERP waveforms, thanks to the averaging process. If you say you will run ICA on the 0.1-Hz highpassed data, I&#39;d say you shouldn&#39;t.<br>
<br>
Stephan Debener&#39;s solution is that you apply 1-Hz high-pass on the data, run ICA, copy the weight matrix to the 0.1-Hz high-passed data.<br>
<br>
Makoto<br>
<br>
</span><div><div class="h5">On Tue, Aug 4, 2015 at 10:20 PM, Kevin Tan &lt;<a href="mailto:kevintan@cmu.edu">kevintan@cmu.edu</a>&lt;mailto:<a href="mailto:kevintan@cmu.edu">kevintan@cmu.edu</a>&gt;&gt; wrote:<br>
Hi all,<br>
<br>
There are numerous papers that conclude that &gt;0.1hz high-pass filtering distorts ERPs. However, I notice a lot of remaining drift after 0.1hz hi-pass, especially compared to 1hz hi-pass. I&#39;m using a BioSemi Active2 128ch.<br>
<br>
0.1hz hi-pass:<br>
<a href="https://cmu.box.com/s/1uafw786miveruz85ycj3taxflzg7p7f" rel="noreferrer" target="_blank">https://cmu.box.com/s/1uafw786miveruz85ycj3taxflzg7p7f</a><br>
<br>
1hz hi-pass:<br>
<a href="https://cmu.box.com/s/t1dbzntjcwdrsp734m949xnzmycvpw5p" rel="noreferrer" target="_blank">https://cmu.box.com/s/t1dbzntjcwdrsp734m949xnzmycvpw5p</a><br>
<br>
Is the drift in 0.1hz data ok? I get &#39;better looking&#39; ERP waveforms &amp; more robust differences between conditions in 0.1hz data – I&#39;m worried this is mostly due to drift.<br>
<br>
The 1hz data has ERP &#39;distortions&#39;: negative slope from start of epoch until P1 &amp; negative deflection of later components. Thus, I&#39;m not comfortable with either of the filters.<br>
<br>
The screenshots show data run only through 1) PREP pipeline 2) high-pass filtering 3) epoching. The final cleaned data shows the same drift.<br>
<br>
My full preproc stream:<br>
<br>
ICA dataset:<br>
- Load PREP&#39;d data<br>
- 1hz hi-pass<br>
- Epoch<br>
- Epoch rejection<br>
- Extended ICA (binica)<br>
- Determine bad ICs<br>
<br>
Final dataset:<br>
- Load (unfiltered) PREP&#39;d data<br>
- 0.1hz hi-pass (tried 1hz for comparison too)<br>
- Epoch<br>
- Generate ICs from matrices of ICA dataset<br>
- Remove bad ICs determined from ICA dataset<br>
- Epoch rejection<br>
- DIPFIT<br>
- Make ERPs<br>
<br>
Any input would be much appreciated!<br>
<br>
Many thanks,<br>
Kevin<br>
--<br>
Kevin Alastair M. Tan<br>
Lab Manager/Research Assistant<br>
Department of Psychology &amp; Center for the Neural Basis of Cognition<br>
Carnegie Mellon University<br>
<br>
</div></div>Baker Hall 434&lt;<a href="https://www.google.com/maps/place/40%C2%B026%2729.5%22N+79%C2%B056%2744.0%22W/@40.4414869,-79.9455701,61m/data=!3m1!1e3!4m2!3m1!1s0x0:0x0" rel="noreferrer" target="_blank">https://www.google.com/maps/place/40%C2%B026%2729.5%22N+79%C2%B056%2744.0%22W/@40.4414869,-79.9455701,61m/data=!3m1!1e3!4m2!3m1!1s0x0:0x0</a>&gt; | <a href="mailto:kevintan@cmu.edu">kevintan@cmu.edu</a>&lt;mailto:<a href="mailto:kevintan@cmu.edu">kevintan@cmu.edu</a>&gt; | <a href="http://tarrlab.org/kevintan" rel="noreferrer" target="_blank">tarrlab.org/kevintan</a>&lt;<a href="http://tarrlabwiki.cnbc.cmu.edu/index.php/KevinTan" rel="noreferrer" target="_blank">http://tarrlabwiki.cnbc.cmu.edu/index.php/KevinTan</a>&gt;<br>
<span class=""><br>
_______________________________________________<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>
</span>To unsubscribe, send an empty email to <a href="mailto:eeglablist-unsubscribe@sccn.ucsd.edu">eeglablist-unsubscribe@sccn.ucsd.edu</a>&lt;mailto:<a href="mailto:eeglablist-unsubscribe@sccn.ucsd.edu">eeglablist-unsubscribe@sccn.ucsd.edu</a>&gt;<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>&lt;mailto:<a href="mailto:eeglablist-request@sccn.ucsd.edu">eeglablist-request@sccn.ucsd.edu</a>&gt;<br>
<div class="HOEnZb"><div class="h5"><br>
<br>
<br>
--<br>
Makoto Miyakoshi<br>
Swartz Center for Computational Neuroscience<br>
Institute for Neural Computation, University of California San Diego</div></div></blockquote></div><br></div>