Analiza sygnałów EEG 3501-KOG-EEG2
Celem zajęć jest zapoznanie studentów z podstawowymi metodami analizy sygnału EEG zarejestrowanego podczas doświadczeń psycho-poznawczych. Ćwiczenia prowadzone są w środowisku obliczeniowym MATLAB z oparciu o format danych i funkcje pakietu EEGlab. Podczas zajęć 1-10, studenci zapoznają się ze środowiskiem MATLAB i pakietem EEGlab. Na przykładowych danych uczą się wprowadzać do EEGlaba dane i metadane, rozpoznawać i usuwać artefakty, ćwiczą uśrednianie ERP, filtrowanie i analizę częstotliwościową EEG. Podczas zajęć 11-15, studenci samodzielnie planują i przeprowadzają analizę własnych danych, zarejestrowanych podczas „Pracowni EEG” w poprzednim semestrze.
W czasie zajęć w pracowni komputerowej studenci wykonają analiz zgodnie z przygotowanym konspektem i wskazówkami prowadzącego. Wymagane będzie wykonanie quizów (na COME) dotyczących procedur z bieżących zajęć.
Tematyka ćwiczeń (nie pokrywa się dokładnie z numeracją zajęć)
1-2. Prezentacja MATLABa, EEGlaba – wprowadzenie metadanych o lokalizacji elektrod i występujących znacznikach bodźców: rozpoznanie i usuwanie fragmentów z artefaktami, podział danych na bloki i okna do dalszej analizy.
3. Uśrednianie – potencjały słuchowe (AEP).
4. Analiza ICA, detekcja artefaktów mrugania, uśrednianie – potencjał wzrokowy (VEP).
5. Analiza częstotliwościowa w EEGlabie, funkcje i skrypty MATLABa do FFT, filtrowanie danych (EEGlab).
6. Filtrowanie danych (EEGlab), analiza obwiedni (MATLAB), analiza czas-częstość (EEGLab).
8. Automatyczne metody usuwania artefaktów (EEGlab).
9. Porównanie wyników ERP w EEGlab, badanie grupowe 'STUDY'.
10. Porównanie wyników ERP, FFT – skrypty MATLABa.
11-15. Analizy samodzielne, przygotowanie raportów.
Rodzaj przedmiotu
Tryb prowadzenia
Założenia (lista przedmiotów)
Założenia (opisowo)
Efekty kształcenia
Nabyta wiedza:
Student poznał podstawowe funkcje pakietu EEGlab; metody wykrywania i usuwania artefaktów z sygnału EEG; zasady podziału danych na bloki i okna względem znaczników bodźców i zdarzeń; uśredniania ERP, analizy częstotliwościowej;
Nabyte umiejętności:
Student umie wprowadzić dane i metadane Matlaba do EEGlaba; umie oczyścić i przygotować dane do analizy, uśrednić i porównać ERP; wykoanć analizę FFT i porównać wyniki.
Nabyte kompetencje społeczne:
Student umie przygotować raport z badania naukowego.
Kryteria oceniania
- obecność i aktywność na zajęciach
- złożenie wyników z każdych ćwiczeń na platformie COME
- quizy na platformie COME
- ocena planu samodzielnej analizy i przygotowanego raportu
Dopuszczalna liczba nieobecności podlegających usprawiedliwieniu: 2
Literatura
materiały źródłowe (pdfy, ilustracje i adresy URL) podawane na platformie COME
Więcej informacji
Dodatkowe informacje (np. o kalendarzu rejestracji, prowadzących zajęcia, lokalizacji i terminach zajęć) mogą być dostępne w serwisie USOSweb: