Nói chung, EEG, fMRI (và cả bộ dữ liệu MEG , SPECT và PET - được gọi là "phương thức chức năng") được lấy từ một đối tượng (ví dụ như con người) trong khi nó tham gia vào một hoặc nhiều "hoạt động".
"Hoạt động" này thậm chí có thể là "Giữ yên khi nhắm mắt" hoặc "cố gắng giải phương trình này" hoặc "chỉ cần nhìn vào hình ảnh trên màn hình này".
Thông thường, nhiều hơn một đối tượng sẽ tham gia vào một nghiên cứu và những đối tượng này có thể được chia thành các nhóm theo một số tiêu chí để so sánh và đối chiếu các phản ứng của họ (ví dụ: "Kiểm soát" (đối tượng "bình thường" hoặc không mắc bệnh) và "Bệnh" (đối tượng đã được xác minh mắc một số bệnh)).
Cả hai phương thức này, ngoài thời gian lấy mẫu, chúng còn lấy mẫu không gian VÀ mỗi bộ dữ liệu fMRI / EEG tự nó là một mẫu từ một nhóm đối tượng được đề cập ở trên.
Đã mô tả điều này, bạn gần như có thể thấy các kích thước mà bạn sẽ áp dụng tính trung bình và tại sao:
Bạn có thể thực hiện (trung bình) tính trung bình theo thời gian (như trung bình di chuyển hoặc bộ lọc trung bình) trên mỗi kênh (đối với EEG) hoặc chuỗi thời gian voxel (đối với fMRI) để giảm ảnh hưởng của nhiễu.
Bạn có thể thực hiện tính trung bình theo không gian theo một số cách khác nhau và cho các mục đích khác nhau nhưng tất cả những gì đòi hỏi tính trung bình theo không gian là tổng hợp các phản hồi từ kênh riêng lẻ ( vectơ riêng) và lặn theo để có phản hồi trung bình.NNN
Ví dụ, có lẽ bạn muốn có được phản ứng trung bình tương ứng với một số vùng não (chẩm, chẩm, trán, khác). Sau đó, bạn có thể chọn vectơ (kênh) tương ứng với các vùng đó và lấy MỘT vectơ bằng cách lấy trung bình chúng (ví dụ: nếu các kênh của bạn ở trong bạn có thể lấy MỘT trung bình bằng cách thực hiện sẽ trả về một vectơ có kích thước với giá trị trung bình của mỗi cột (tương ứng với mẫu được lấy bởi mỗi kênh tại một thời điểm ngay lập tức ).NX(channelN, timeSampleM)mean(X)1 x timeSampleMM
Một điều khác bạn có thể muốn làm, là có được phản hồi trung bình của MỘT chủ đề tùy thuộc vào hoạt động họ đang thực hiện. Ví dụ: bạn muốn thấy sự khác biệt trong phản ứng trung bình của bộ não của một đối tượng giữa các điều kiện của REST và LISTENINGTOMUSIC. Trong trường hợp này, bạn cần biết bộ dữ liệu nào tương ứng với hoạt động nào và bạn chỉ cần lấy trung bình của các (trong đó biểu thị tập dữ liệu và biểu thị hoạt động).Xk , lktôi
Bạn có thể thực hiện tính trung bình theo không gian đối với dân số (và / hoặc "hoạt động" mà họ đang thực hiện). Vì vậy, ví dụ, bạn có thể muốn xem phản ứng trung bình của não ở điều kiện REST giữa hai nhóm đối tượng (Nhóm A, Nhóm B) là gì. Trong trường hợp này, bạn chọn tất cả các bộ dữ liệu từ tất cả các đối tượng trong Nhóm A và lấy một tập dữ liệu trung bình và tương tự cho Nhóm B. Bạn có thể làm tương tự (nhưng thay đổi thành viên) để có được phản hồi trung bình của MỘT nhóm giữa các điều kiện khác nhau.
(Và tất nhiên, bạn có thể áp dụng bất kỳ kết hợp trung bình không gian / thời gian / nhóm / điều kiện nào tùy thuộc vào những gì bạn đang cố gắng quan sát)
Cuối cùng, một lĩnh vực khác, nơi tính trung bình vốn có để xử lý dữ liệu là Khu vực tiềm năng .
Ví dụ, hãy tưởng tượng rằng bạn muốn kiểm tra phản ứng của não với tiếng ồn có thể nghe được. Trong trường hợp này, bạn cung cấp một kích thích cho đối tượng và ghi lại phản ứng của nó trong một số lần. Sau đó, bạn tính trung bình tất cả các bản ghi (được phân bổ theo trường hợp kích thích) và tạo ra tín hiệu ONE thể hiện phản ứng của não. Một tín hiệu nổi tiếng như vậy là P300 .
Như bạn có thể thấy, mặc dù hoạt động tính trung bình là như nhau (theo quan điểm toán học), có nhiều cách khác nhau để áp dụng nó tùy thuộc vào mục tiêu. Vì vậy, tôi khuyên bạn nên xem qua một bài báo cụ thể để hiểu
- a) tại sao họ áp dụng tính trung bình
- và b) cách tính trung bình được áp dụng.
Hơn nữa, tôi muốn giới thiệu cho bạn các tài nguyên sau mà bạn có thể thấy hữu ích và thông tin chi tiết hơn nhiều về phân tích EEG và fMRI (bao gồm trung bình) nói chung: