آموزش پردازش و تحلیل سیگنال عصبی کامل: صفر تا قهرمان

سرفصل ها و درس ها

معرفی Introduction

• مقدمه ای گسترده بر تحلیل سری های زمانی عصبی Broad introduction to neural time series analysis

• علم داده های عصبی به عنوان جداسازی منبع Neural data science as source sepatation

• از این دوره چه انتظاری باید داشت What to expect from this course

• یک یادداشت سریع در مورد اینکه چگونه این دوره از 2 به 1 رسید A quick note about how this went from 2 to 1 course

• اگر از Octave استفاده می کنید این فایل را دانلود کنید (در غیر این صورت نادیده بگیرید) Download this file if you are using Octave (otherwise ignore)

اصول پردازش سیگنال عصبی The basics of neural signal processing

• مطالب MATLAB را برای این دوره دانلود کنید Download MATLAB materials for this course

• منشاء، اهمیت و تفسیر EEG Origin, significance, and interpretation of EEG

• مروری بر مراحل احتمالی پیش پردازش Overview of possible preprocessing steps

• ICA برای پاکسازی داده ها ICA for data cleaning

• مصنوعات سیگنال (نه) که نگران نباشند Signal artifacts (not) to worry about

• نقشه برداری توپوگرافی Topographical mapping

• مروری بر تحلیل‌های حوزه زمانی (ERP) Overview of time-domain analyses (ERPs)

• انگیزه برای تحلیل های مبتنی بر ریتم Motivations for rhythm-based analyses

• تفسیر نمودارهای زمان-فرکانس Interpreting time-frequency plots

• مجموعه داده های تجربی مورد استفاده در این دوره The empirical datasets used in this course

• MATLAB: مجموعه داده EEG MATLAB: EEG dataset

• MATLAB: مجموعه داده V1 MATLAB: V1 dataset

• از کجا می توان داده های EEG بیشتری دریافت کرد؟ Where to get more EEG data?

• شبیه سازی داده ها برای درک روش های تحلیل Simulating data to understand analysis methods

• مجموعه مسائل: مقدمه و توضیح Problem set: introduction and explanation

• مجموعه مسائل (1/2): شبیه سازی و تجسم داده ها Problem set (1/2): Simulating and visualizing data

• مجموعه مسائل (2/2): شبیه سازی و تجسم داده ها Problem set (2/2): Simulating and visualizing data

• پلانک، نورون، کیهان Planck, neuron, universe

شبیه سازی سیگنال های سری زمانی و نویز Simulating time series signals and noise

• فایل های متلب برای این بخش MATLAB files for this section

• چرا داده ها را شبیه سازی کنیم؟ Why simulate data?

• ایجاد نویز سفید و صورتی Generating white and pink noise

• سه معادله مهم (سینوس، گاوس، اویلر) The three important equations (sine, Gaussian, Euler's)

• تولید "چیپ" (سیگنال های مدوله شده با فرکانس) Generating "chirps" (frequency-modulated signals)

• فعالیت باند باریک غیر ثابت از طریق نویز فیلتر شده Non-stationary narrowband activity via filtered noise

• نوسان گذرا Transient oscillation

• ساختار EEG eeglab The eeglab EEG structure

• پروژه 1-1: داده های EEG در سطح کانال Project 1-1: Channel-level EEG data

• پروژه 1-1: راه حل ها Project 1-1: Solutions

• طرح دوقطبی بر روی الکترودهای EEG Projecting dipoles onto EEG electrodes

• پروژه 1-2: داده های EEG در سطح دوقطبی Project 1-2: dipole-level EEG data

• پروژه 1-2: راه حل ها Project 1-2: Solutions

تجزیه و تحلیل های حوزه زمانی Time-domain analyses

• فایل های متلب برای این بخش MATLAB files for this section

• پتانسیل مرتبط با رویداد (ERP) Event-related potential (ERP)

• فیلتر Lowpass یک ERP Lowpass filter an ERP

• میانگین مرجع را محاسبه کنید Compute the average reference

• طرح پروانه و سری زمانی توپوواریانس Butterfly plot and topo-variance time series

• سری زمانی توپوگرافی Topography time series

• ERP ها را از دو دو قطبی شبیه سازی کنید Simulate ERPs from two dipoles

• پروژه 2-1: ERP را به عنوان اوج میانگین یا اوج به اوج تعیین کنید Project 2-1: Quantify the ERP as peak-mean or peak-to-peak

• پروژه 2-1: راه حل ها Project 2-1: Solutions

• پروژه 2-2: توپپلات اوج تأخیر ERP Project 2-2: ERP peak latency topoplot

• پروژه 2-2: راه حل ها Project 2-2: Solutions

تحلیل طیفی استاتیکی Static spectral analysis

• مطالب متلب را برای این بخش دانلود کنید Download MATLAB materials for this section

• مماس دوره: خود پاسخگویی در یادگیری آنلاین Course tangent: self-accountability in online learning

• حوزه های زمان و فرکانس Time and frequency domains

• امواج سینوسی Sine waves

• MATLAB: امواج سینوسی و پارامترهای آنها MATLAB: Sine waves and their parameters

• اعداد مختلط Complex numbers

• فرمول اویلر Euler's formula

• متلب: اعداد مختلط و فرمول اویلر MATLAB: Complex numbers and Euler's formula

• محصول نقطه ای The dot product

• متلب: محصول نقطه ای و امواج سینوسی MATLAB: Dot product and sine waves

• امواج سینوسی پیچیده Complex sine waves

• متلب: امواج سینوسی پیچیده MATLAB: Complex sine waves

• محصول نقطه پیچیده The complex dot product

• متلب: محصول نقطه پیچیده MATLAB: The complex dot product

• ضرایب فوریه Fourier coefficients

• متلب: تبدیل فوریه گسسته زمان MATLAB: The discrete-time Fourier transform

• MATLAB: ضرایب فوریه به عنوان اعداد مختلط MATLAB: Fourier coefficients as complex numbers

• فرکانس ها در تبدیل فوریه Frequencies in the Fourier transform

• فرکانس های مثبت و منفی Positive and negative frequencies

• مقیاس بندی دقیق ضرایب فوریه Accurate scaling of Fourier coefficients

• متلب: طیف مثبت/منفی. مقیاس بندی دامنه MATLAB: Positive/negative spectrum; amplitude scaling

• MATLAB: آنالیز طیفی EEG در حالت استراحت MATLAB: Spectral analysis of resting-state EEG

• متلب: قدرت آلفا روی پوست سر را کمی کنید MATLAB: Quantify alpha power over the scalp

• کمال تبدیل فوریه The perfection of the Fourier transform

• تبدیل فوریه معکوس The inverse Fourier transform

• MATLAB: بازسازی سیگنال از طریق FFT معکوس MATLAB: Reconstruct a signal via inverse FFT

• وضوح فرکانس و لایه صفر Frequency resolution and zero-padding

• MATLAB: وضوح فرکانس و لایه صفر MATLAB: Frequency resolution and zero-padding

• خطاهای تخمین و ضرایب فوریه Estimation errors and Fourier coefficients

• غیر ثابت بودن سیگنال Signal nonstationarities

• MATLAB: نمونه هایی از غیر ایستایی شدید در طیف های توان MATLAB: Examples of sharp nonstationarities on power spectra

• MATLAB: نمونه هایی از غیر ایستایی های صاف در طیف های توان MATLAB: Examples of smooth nonstationarities on power spectra

• روش ولش برای تجزیه طیفی صاف Welch's method for smooth spectral decomposition

• متلب: روش ولش روی داده های لغزش فاز MATLAB: Welch's method on phase-slip data

• متلب: روش ولش بر روی داده های EEG در حالت استراحت MATLAB: Welch's method on resting-state EEG data

• MATLAB: روش Welch در مجموعه داده V1 MATLAB: Welch's method on V1 dataset

• مجموعه مسائل (1/2): تجزیه و تحلیل طیفی داده های واقعی و شبیه سازی شده Problem set (1/2): Spectral analyses of real and simulated data

• مجموعه مسائل (2/2): تجزیه و تحلیل طیفی داده های واقعی و شبیه سازی شده Problem set (2/2): Spectral analyses of real and simulated data

بیشتر در مورد تجزیه و تحلیل طیفی استاتیک More on static spectral analyses

• فایل های متلب برای این بخش MATLAB files for this section

• تبدیل فوریه را از ابتدا برنامه ریزی کنید! Program the Fourier transform from scratch!

• تبدیل فوریه معکوس را از ابتدا برنامه ریزی کنید! Program the inverse Fourier transform from scratch!

• جداسازی طیفی بر روی داده های دوقطبی شبیه سازی شده Spectral separation on simulated dipole data

• FFT داده های شبیه سازی شده ثابت و غیر ثابت FFT of stationary and non-stationary simulated data

• روش FFT و Welch بر روی داده های حالت استراحت EEG FFT and Welch's method on EEG resting state data

• مخروطی شدن یا نه؟ To taper or not to taper?

• استخراج توان متوسط ​​از یک باند فرکانسی Extracting average power from a frequency band

• مقایسه میانگین طیف در مقابل طیف میانگین Comparing average spectra vs. spectra of an average

• پروژه 3-1: توپوگرافی فعالیت های طیفی جدا شده Project 3-1: Topography of spectrally separated activity

• پروژه 3-1: راه حل ها Project 3-1: Solutions

• پروژه 3-2: توپوگرافی نسبت آلفا تتا Project 3-2: Topography of alpha-theta ratio

• پروژه 3-2: راه حل ها Project 3-2: Solutions

تحلیل زمان - فرکانس Time-frequency analysis

• مطالب متلب را برای این بخش دانلود کنید Download MATLAB materials for this section

• موجک های مورلت در زمان و فرکانس Morlet wavelets in time and in frequency

• متلب: آشنایی با موجک مورلت MATLAB: Getting to know Morlet wavelets

• پیچیدگی در حوزه زمان Convolution in the time domain

• متلب: پیچیدگی دامنه زمانی MATLAB: Time-domain convolution

• پیچیدگی به عنوان ضرب طیفی Convolution as spectral multiplication

• متلب: پنج مرحله پیچیدگی MATLAB: The five steps of convolution

• متلب: داده های واقعی را با یک گاوسی در هم آمیخت MATLAB: Convolve real data with a Gaussian

• MATLAB: موجک های پیچیده مورلت MATLAB: Complex Morlet wavelets

• پیچیدگی موجک مورلت پیچیده Complex Morlet wavelet convolution

• نکات کدگذاری کانولوشن Convolution coding tips

• متلب: پیچیدگی موجک مرلت پیچیده MATLAB: Complex Morlet wavelet convolution

• متلب: کانولوشن با تمام آزمایشات! MATLAB: Convolution with all trials!

• متلب: نمودار قدرت تمام وقت فرکانس! MATLAB: A full time-frequency power plot!

• میانگین مقادیر فاز Averaging phase values

• خوشه بندی فاز بین آزمایشی (ITPC/ITC) Inter-trial phase clustering (ITPC/ITC)

• MATLAB: ITPC MATLAB: ITPC

• پارامترهای موجک مورلت (معادل زمان-فرکانس) Parameters of Morlet wavelet (time-frequency trade-off)

• متلب: مبادله زمان-فرکانس MATLAB: Time-frequency trade-off

• فرض ثابت بودن پیچش موجک The stationarity assumption of wavelet convolution

• ساختار "1/f" دینامیک مغز طیفی The "1/f" structure of spectral brain dynamics

• نرمال سازی پایه توان زمان-فرکانس Baseline normalization of time-frequency power

• MATLAB: نرمال سازی پایه نمودارهای TF MATLAB: Baseline normalization of TF plots

• دینامیک بدون مقیاس از طریق تجزیه و تحلیل نوسانات بدون روند (DFA) Scale-free dynamics via detrended fluctuation analysis (DFA)

• متلب: تجزیه و تحلیل نوسانات بدون روند MATLAB: detrended fluctuation analysis

• روش فیلتر-هیلبرت زمان-فرکانس The filter-Hilbert time-frequency method

• MATLAB: Filter-Hilbert MATLAB: Filter-Hilbert

• تبدیل فوریه کوتاه مدت (STFFT) The short-time Fourier transform (STFFT)

• متلب: STFFT MATLAB: STFFT

• مقایسه موجک، فیلتر-هیلبرت و STFFT Comparing wavelet, filter-Hilbert, and STFFT

• روش چند مخروطی The multi-taper method

• رگرسیون درون موضوعی، آزمایشی متقابل Within-subject, cross-trial regression

• متلب: رگرسیون آزمایشی متقابل MATLAB: Cross-trial regression

• وضوح زمانی در مقابل دقت، قبل و بعد از پیچیدگی Temporal resolution vs. precision, pre- and post-convolution

• MATLAB: نمونه برداری از نتایج زمان-فرکانس MATLAB: Downsampling time-frequency results

• متلب: مقیاس فرکانس خطی در مقابل لگاریتمی MATLAB: Linear vs. logarithmic frequency scaling

• تفکیک فعالیت قفل فاز و غیر فاز قفل شده Separating phase-locked and non-phase-locked activity

• متلب: توان کل، بدون قفل فاز و قفل فاز MATLAB: Total, non-phase-locked, and phase-locked power

• جلوه های لبه، مناطق بافر، و طول دوره داده Edge effects, buffer zones, and data epoch length

• مجموعه مسائل (1/3): تحلیل زمان-فرکانس Problem set (1/3): Time-frequency analysis

• مجموعه مسائل (2/3): تحلیل زمان-فرکانس Problem set (2/3): Time-frequency analysis

• مجموعه مسئله (3/3): تحلیل زمان-فرکانس Problem set (3/3): Time-frequency analysis

بیشتر در مورد تجزیه و تحلیل زمان-فرکانس More on time-frequency analysis

• فایل های متلب برای این بخش MATLAB files for this section

• خانواده ای از موجک های پیچیده مورلت ایجاد کنید Create a family of complex Morlet wavelets

• یک نمودار زمان-فرکانس از یک چیپ غیرخطی ایجاد کنید Create a time-frequency plot of a nonlinear chirp

• طیف مشتق از موجک و FFT را مقایسه کنید Compare wavelet-derived spectrum and FFT

• پیچیدگی موجک فرکانس های نزدیک Wavelet convolution of close frequencies

• قدرت فرکانس زمانی فعالیت EEG چند آزمایشی Time-frequency power of multitrial EEG activity

• نرمال کردن توان پایه با دسی بل و درصد تغییر Baseline normalize power with dB and % change

• بررسی پارامترهای موجک در داده های واقعی Exploring wavelet parameters in real data

• بررسی پارامترهای موجک در داده های شبیه سازی شده Exploring wavelet parameters in simulated data

• خوشه بندی فاز بین آزمایشی قبل از حذف ERP Inter-trial phase clustering before vs. after removing ERP

• کاهش قدرت زمان-فرکانس نمونه Downsampling time-frequency power

• قدرت فرکانس زمانی را از همه کانال ها تجسم کنید Visualize time-frequency power from all channels

• فرکانس لحظه ای در داده های شبیه سازی شده Instantaneous frequency in simulated data

• فرکانس لحظه ای در داده های واقعی Instantaneous frequency in real data

• پروژه 4-1: قفل فاز، بدون قفل فاز و توان کل Project 4-1: Phase-locked, non-phase-locked, and total power

• پروژه 4-1: راه حل ها Project 4-1: Solutions

• فیلتر باند باریک و تبدیل هیلبرت Narrowband filtering and the Hilbert transform

• پروژه 4-2: نمودار قدرت زمان-فرکانس از طریق فیلتر-هیلبرت Project 4-2: Time-frequency power plot via filter-Hilbert

• پروژه 4-2: راه حل ها Project 4-2: Solutions

تجزیه و تحلیل های همگام سازی Synchronization analyses

• مطالب متلب را برای این بخش دانلود کنید Download MATLAB materials for this section

• چهار نکته در مورد اتصال باید در نظر داشته باشید Four things to keep in mind about connectivity

• هدایت حجم و اقداماتی که باید در مورد آن انجام داد Volume conduction and what to do about it

• شهود در مورد همگام سازی فاز Intuition about phase synchronization

• خوشه بندی فاز بین سایتی (ISPC) Inter-site phase clustering (ISPC)

• متلب: ISPC MATLAB: ISPC

• سطح لاپلاسین برای تجزیه و تحلیل اتصال Surface Laplacian for connectivity analyses

• MATLAB: لاپلاسی در داده های شبیه سازی شده MATLAB: Laplacian in simulated data

• MATLAB: لاپلاسین در داده های EEG واقعی MATLAB: Laplacian in real EEG data

• اتصال مبتنی بر تاخیر فاز Phase-lag-based connectivity

• MATLAB: شاخص فاز تاخیر MATLAB: phase-lag index

• زمان استفاده از سنجه‌های تاخیر فاز در مقابل سنجه‌های خوشه‌بندی فاز When to use phase-lag vs. phase-clustering measures

• MATLAB: همگام سازی فاز در داده های ولتاژ و لاپلاسی MATLAB: Phase synchronization in voltage and Laplacian data

• اتصال در طول زمان در مقابل آزمایش بیش از حد Connectivity over time vs. over trials

• MATLAB: اتصال در طول زمان در مقابل آزمایش بیش از حد MATLAB: Connectivity over time vs. over trials

• MATLAB: شبیه سازی داده ها برای آزمایش روش های اتصال MATLAB: Simulating data to test connectivity methods

• دو روش اتصال مبتنی بر قدرت Two methods of power-based connectivity

• علیت گرنجر (پیش‌بینی) Granger causality (prediction)

• متلب: علیت گرنجر MATLAB: Granger causality

• "هبنس" از نظریه گراف "Hubness" from graph theory

• متلب: هاب های اتصال MATLAB: Connectivity hubs

• چه زمانی از کدام روش اتصال استفاده کنیم؟ When to use which connectivity method?

• مجموعه مشکل (1/2): همگام سازی زوجی Problem set (1/2): Pairwise synchronization

• مجموعه مشکل (2/2): همگام سازی زوجی Problem set (2/2): Pairwise synchronization

بیشتر در مورد تجزیه و تحلیل همگام سازی More on synchronization analyses

• فایل های متلب برای این بخش MATLAB files for this section

• همگام سازی در نوسان سازهای نویز شبیه سازی شده Synchronization in simulated noisy oscillators

• اتصال جعلی در نویز باند باریک Spurious connectivity in narrowband noise

• ماتریس های همگام سازی فاز در داده های چند آزمایشی Phase synchronization matrices in multitrial data

• همبستگی های سری زمانی توان Power time series correlations

• همبستگی قدرت در آزمایش Power correlations over trials

• لاپلاسین پوست سر برای اتصال در سطح الکترود Scalp Laplacian for electrode-level connectivity

• همگام سازی همه به همه و "توسط" (نظریه گراف) All-to-all synchronization and "hubness" (graph theory)

• شاخص تاخیر فاز Phase-lag index

• پروژه 5-1: ISPC و PLI، با و بدون لاپلاس Project 5-1: ISPC and PLI, with and without Laplacian

• پروژه 5-1: راه حل ها Project 5-1: Solutions

• پروژه 5-2: فاز بذر در مقابل کوپلینگ قدرت Project 5-2: Seeded phase vs. power coupling

• پروژه 5-2: راه حل ها Project 5-2: Solutions

آمار مبتنی بر جایگشت Permutation-based statistics

• مطالب متلب را برای این بخش دانلود کنید Download MATLAB materials for this section

• مقدمه: مبانی آمار، ضرورت و مراتب Introduction: The basis of statistics, necessity, and levels

• آمار پارامتریک در مقابل ناپارامتریک Parametric vs. nonparametric statistics

• آمار مبتنی بر جایگشت Permutation-based statistics

• MATLAB: تست جایگشت و جابجایی MATLAB: Permutation testing and shuffling

• MATLAB: تست جایگشت در داده های واقعی MATLAB: Permutation testing in real data

• مقایسه ها و محدودیت های متعدد روش بونفرونی Multiple comparisons and limitations of Bonferroni method

• تصحیح مقایسه های چندگانه مبتنی بر خوشه Cluster-based multiple comparisons correction

• MATLAB: تصحیح خوشه MATLAB: Cluster correction

• اصلاح مقایسه های چندگانه مبتنی بر پیکسل شدید Extreme pixel-based multiple comparisons correction

• MATLAB: تصحیح پیکسل فوق العاده MATLAB: Extreme pixel correction

• نشان دادن اهمیت آماری در نمودارها Illustrating statistical significance in plots

• تجزیه و تحلیل سطح موضوع در مقابل گروه Subject- vs. group-level analyses

• نوارهای خطا و اهمیت حدس زدن Error bars and guessing significance

• سه رویکرد برای آمار در سطح گروه Three approaches for group-level statistics

• MATLAB: استخراج ویژگی برای تجزیه و تحلیل گروهی MATLAB: Extracting features for group analyses

• استنتاج دایره ای ("دو فرورفتن") Circular inference ("double-dipping")

بیشتر در مورد آمار تست جایگشت More on permutation testing statistics

• فایل های متلب برای این بخش MATLAB files for this section

• تست جایگشت برای یک متغیر و دو گروه Permutation testing for one variable and two groups

• تست متا جایگشت برای افزایش پایداری Meta-permutation test for increased stability

• تست جایگشت در سری های زمانی شبیه سازی شده Permutation testing in simulated time series

• تست جایگشت برای تصحیح خوشه در داده های شبیه سازی شده Permutation testing for cluster correction in simulated data

• تست جایگشت و تصحیح خوشه در داده های EEG واقعی Permutation testing and cluster correction in real EEG data

• پروژه 7-1: اثرات صافی نویز بر اصلاح خوشه Project 7-1: Effects of noise smoothness on cluster correction

• پروژه 7-1: راه حل ها Project 7-1: Solutions

• پروژه 7-2: شبیه سازی داده های زمان-فرکانس برای آزمایش های آماری Project 7-2: Simulate time-frequency data for statistical testing

• پروژه 7-2: راه حل ها Project 7-2: Solutions

تحلیل مولفه های چند متغیره Multivariate components analysis

• فایل های متلب برای این بخش MATLAB files for this section

• دانش پیشینه برای این بخش Background knowledge for this section

• شبیه سازی داده های EEG چند جزئی Simulate multicomponent EEG data

• ماتریس های کوواریانس را بر اساس زمان و فرکانس ایجاد کنید Create covariance matrices based on time and on frequency

• تجزیه و تحلیل اجزای اصلی (PCA) داده های شبیه سازی شده Principal components analysis (PCA) of simulated data

• GED مبتنی بر زمان برای جداسازی منبع در داده های شبیه سازی شده Time-based GED for source-separation in simulated data

• GED مبتنی بر فرکانس برای جداسازی منبع در داده های شبیه سازی شده Frequency-based GED for source-separation in simulated data

• پروژه 6-1: GED برای تعامل منابع آلفا Project 6-1: GED for interacting alpha sources

• پروژه 6-1: راه حل ها Project 6-1: Solutions

بخش پاداش Bonus section

• سخنرانی پاداش Bonus lecture