Analisi Time Frequency di dati EEG

Finalità:

Negli ultimi anni si sente sempre più spesso parlare dello studio delle oscillazioni tramite elettroencefalografia (EEG).  Molti articoli scientifici trattano, ad esempio, la modulazione di onde alpha o theta, o l'entrainment in gamma. Le analisi che permettono di studiare come variano le frequenze nel tempo sono generalmente chiamate analisi "Time Frequency". La popolarità di questa tipologia di analisi è legata alla capacità di superare alcuni limiti di analisi più tradizionali, come gli ERP. Nelle analisi ERP il segnale EEG è analizzato nella sua totalità: è una strategia molto efficace, che però comporta una perdita di informazioni. Le analisi Time Frequency permettono invece di studiare come l'attività cerebrale associata a specifiche frequenze  (es 4-7 Hz, o 8-10 Hz) si modifichi nel tempo (ad esempio in risposta ad uno stimolo), fornendo informazioni diverse rispetto agli ERP. Lo scopo di questo corso è fornire una panoramica sulle principali analisi Time Frequency (PSD, Hilbert, Morlet) facendo cenno anche ad altri metodi. Il corso è principalmente pratico e fornisce strumenti concreti per poter applicare questo tipo di analisi ai dati EEG, ma approfondisce anche alcuni aspetti teorici fondamentali per poter usare correttamente le analisi Time Frequency. A tale fine utilizzeremo un software gratuito (Brainstorm) con interfaccia grafica, largamente utilizzato per le analisi EEG.

Software utilizzato:

Ai fini del corso è necessario scaricare due programmi, Matlab e Brainstorm. è necessario aver scaricato Matlab prima di poter installare Brainstorm.

- Matlab: si raccomanda di scaricare il software prima dell'inizio del corso tramite account Unipd, che permette di ottenere una versione gratuita (https://www.unipd.it/convenzioni-software). Assicuratevi di avere un computer che risponda ai requisiti di Matlab (es. Matlab 2020, almeno 4 GB di ram). Durante l'installazione di Matlab, tra le opzioni, se possibile installare anche la Signal Processing Toolbox.

- Brainstorm: si consiglia di scaricare il software all'indirizzo https://neuroimage.usc.edu/bst/download.php, creando un account e scaricando il pacchetto chiamato "source+binary" sotto la voce "software". Se possibile seguire le istruzioni per l'installazione del software (https://neuroimage.usc.edu/brainstorm/Installation), altrimenti provvederemo a farlo assieme la prima giornata del corso.

Programma del corso:

Modalità del corso:
Essendo la modalità del corso via Zoom, procederemo con la condivisione dello schermo per le parti teoriche e pratiche. Verranno fornite le slide sulle parti teoriche.

Tempi del corso:
Si prevedono ore da 45 minuti con 15 minuti di pausa (4 ore al giorno). Potremo stabilire assieme all'inizio del corso come suddividere le pause, per rendere la modalità più idonea.

Prima dell'inizio del corso:
Si raccomanda l'installazione del software Matlab, gratuitamente scaricabile tramite account Unipd, seguendo la guida di ateneo per l'installazione (https://www.unipd.it/convenzioni-software). Se ci dovessero essere problemi contattatemi pure prima dell'inizio del corso (rachele.pezzetta@gmail.com). Si consiglia di scaricare anche il software Brainstorm (https://neuroimage.usc.edu/bst/download.php) come da istruzioni sopra. Provare a procedere con l'installazione, che in caso può essere svolta senza problemi anche durante la prima giornata del corso.

Programma del corso:
Il corso prevede sessioni teoriche alternate a sessione pratiche, con prevalenza di queste ultime.
- Durante la prima giornata installeremo assieme il software Brainstorm per l’analisi dati EEG.
- EEG, ERP, e analisi Time Frequency: nella sezione iniziale del corso sarà fornita una breve introduzione sulla natura del segnale EEG, sui passaggi necessari per ottenere un ERP, in cosa consistono le analisi Time Frequency e la differenza tra questi due tipi di analisi.
- Scomposizione in frequenze: in questa sezione sarà spiegato come un segnale può essere scomposto nelle sue frequenze (Trasformata di Fourier), come funzionano sommariamente i filtri utilizzati in alcuni metodi (e.g. Hilbert) per isolare il segnale in specifiche frequenze e come diversi paramentri hanno un impatto sul segnale (e.g. Morlet Wavelet). Si discuterà inoltre di come ispezionare i risultati Time Frequency e come interpretare i grafici;
- Disegno del task e importanza della Baseline: In questa sezione sarà spiegato quali accortezze adoperare quando si vuole fare un esperimento che vuole studiare l'attività oscillatoria cerebrale. In particolare, sarà trattato come scegliere i tempi del task, come e dove selezionare la baseline di riferimento, quali sono gli effetti della scelta della baseline sul tracciato, come ottimizzare il preprocessing dei dati per lo svolgimento delle analisi time-frequency.
- Pratica: la maggior parte del tempo verrà dedicato a sessioni pratiche, sia con interfaccia grafica che tramite codice (quest'ultimo a seconda del tempo disponibile), riprendendo i concetti trattati nelle sessioni teoriche.

Prova finale:
Escuzione pratica di analisi time-frequency su un dataset EEG.

 

Prerequisiti: è preferibile (ma non necessario) avere una conoscenza base del segnale EEG.

Durata del corso: 20 ore

Aule di svolgimento delle lezioni: Zoom sincrono

Numero massimo di partecipanti: 10 persone

 

Conduttore: Rachele Pezzetta