Laboratuvar hazırlanıyor
Başlıyor
- 1Python çekirdeği
- 2NumPy
- 3SciPy
- 4İstatistik motoru
Biliyor muydun?t-testini, Guinness bira fabrikasında çalışan William Sealy Gosset 1908'de “Student” takma adıyla yayımladı.
İlk açılışta yaklaşık 25 MB indirilir ve 15-30 saniye sürebilir; sonraki açılışlarda çok daha hızlıdır.
EEG ve ERP Laboratuvarı
Beyin dalgalarını adım adım işle: süzgeç, referans, göz kırpması temizliği (ICA), epoklama, ERP, zaman-frekans ve grup istatistiği. EEGLAB ve MNE-Python’daki temel adımlar aynı sırayla, kurulum gerektirmeden tarayıcında.
Nasıl kullanılır?
- 1Aşağıdan bir çalışma biçimi seç: hazır bir deneyle öğrenmek mi istiyorsun, yoksa kendi EEG kaydını mı inceleyeceksin?
- 2Adımları yukarıdan aşağıya sırayla çalıştır. Her adımdaki mor düğmeye bas; adım bitince numarası onay işaretine döner ve sıradaki adım açılır. Ayarı değiştirip bir adımı yeniden çalıştırabilirsin.
- 3Her adımın altında açılan yeşil “Sonucu nasıl okursun?” kutusunu oku: ekrandaki grafiklerin ve sayıların ne anlama geldiğini, neye dikkat etmen gerektiğini anlatır. “Neden?” ve “Genelde nasıl yapılır?” kutuları adımın arka planını verir.
- 4İşin bitince sayfanın başındaki ya da sonundaki “PDF rapor indir” düğmesiyle tamamladığın adımları, grafikleri ve otomatik yazılan yöntem metnini tek dosyada indir. Hesaplar tarayıcında yapılır; ilk açılışta hesap motorunun yüklenmesi biraz sürebilir.
Yüz algısı: ünlü, tanıdık olmayan ve karıştırılmış yüzler
Katılımcı
18 kişi
Elektrot
70 EEG + 2 göz (EOG)
Vitrin kayıt
1 kişi, 8 dakika, 125 Hz
Uyaran
Yüz / karıştırılmış yüz
Atıf: Wakeman, D. G., & Henson, R. N. (2015). A multi-subject, multi-modal human neuroimaging dataset. Scientific Data, 2, 150001.
Neden?
Genelde nasıl yapılır?
- Araştırmacılar kaydı önce ham hâliyle, 10–20 saniyelik pencerelerle kaydırarak inceler; EEGLAB’de bu iş “scroll” penceresiyle yapılır.
- Göz kırpmaları alın kanallarında (Fp1, Fp2) birkaç yüz milisaniye süren, büyük ve yavaş tepeler olarak görünür.
- Uyanık bir kişide EEG genliği çoğunlukla onlarca mikrovolt düzeyindedir; yüzlerce mikrovoltluk ani sıçramalar genellikle artefakttır (beyin dışı kaynaklı bozulma).
- Güç spektrumunda 50 Hz’te (Türkiye ve Avrupa’da şebeke frekansı) sivri bir tepe şehir elektriğinden, 8–13 Hz civarındaki tümsek ise beynin alfa ritminden gelir.
Neden?
Genelde nasıl yapılır?
- ERP çalışmalarında en sık ayar 0,1–40 Hz’tir; 0,1–30 Hz de yaygındır. Yavaş bileşenler (ör. P300) incelenirken yüksek geçiren sınır genellikle 0,1 Hz civarında tutulur, çünkü daha yüksek bir sınır dalganın biçimini bozabilir.
- Süzgeç “sıfır fazlı” (ileri-geri) uygulanır ki tepe zamanları değişmesin; bu yüzden kesim frekanslarındaki zayıflama −6 dB’dir. İleri-geri süzgeç nedensel değildir: keskin bir etkiyi biraz öne doğru yayabilir, bu yüzden çok erken başlayan farklar dikkatle yorumlanır.
- Türkiye ve Avrupa’da şebeke elektriği 50 Hz’tir (ABD’de 60 Hz). Çentik (notch) süzgeci yalnızca bu dar frekansı keser; alçak geçiren sınır zaten 40 Hz ise çoğu zaman gerekmez.
- Süzgeç türü ve sınırları makalenin Yöntem bölümüne mutlaka yazılır; bu laboratuvarın raporu bunu senin için yazar.
Bu adım, önceki adım tamamlanınca açılır.
Neden?
Genelde nasıl yapılır?
- 64 ve daha fazla elektrotlu kayıtlarda ortalama referans en yaygın seçimdir.
- Daha az elektrotlu çalışmalarda iki kulak arkasının (mastoid) ortalaması sık kullanılır.
- Ortalama referans için elektrotların kafayı olabildiğince geniş ve eşit örtmesi gerekir; çok az elektrotla (ör. 8–16) yanıltıcı olabilir.
- Kullanılan referans makalede mutlaka belirtilir, çünkü farklı referanslarla elde edilen ERP genlikleri doğrudan karşılaştırılamaz.
Bu adım, önceki adım tamamlanınca açılır.
Neden?
Genelde nasıl yapılır?
- ICA genellikle 1 Hz yüksek geçiren süzgeçli bir kopya üzerinde hesaplanır (yavaş kaymalar ayrıştırmayı bozar); bulunan ayrıştırma sonra asıl veriye uygulanır. Bu laboratuvar da böyle yapar.
- Göz kırpması bileşeninin haritası alında yoğunlaşır, zaman içinde seyrek ve büyük tepeleri vardır; göz kanalıyla (EOG) ilişkisi yüksektir.
- Genellikle 1–3 bileşen çıkarılır; çok fazla bileşen çıkarmak beyin sinyalini de siler.
- EEGLAB’deki ICLabel gibi otomatik sınıflandırıcılar bileşenleri “beyin, göz, kas, kalp, gürültü” diye etiketler; son karar yine araştırmacınındır.
- Bu laboratuvar FastICA algoritmasını kullanır (MNE-Python’daki gibi); EEGLAB’in varsayılanı Infomax’tır. İki algoritma göz kırpmasını benzer biçimde ayırır ama bileşenler birebir aynı çıkmaz.
Bu adım, önceki adım tamamlanınca açılır.
Neden?
Genelde nasıl yapılır?
- Görsel ERP çalışmalarında pencere çoğunlukla −200…+800 ms seçilir; −200…0 ms taban olarak kullanılır.
- Tepe-tepe genliği 100–150 µV’yi aşan denemeler sıklıkla atılır; eşik kayıt kalitesine göre ayarlanır.
- Her koşulda en az 30–50 temiz deneme önerilir; az deneme gürültülü bir ERP demektir.
- Atılan deneme oranı ve her koşulda kalan deneme sayısı makalede raporlanır.
Bu adım, önceki adım tamamlanınca açılır.
Neden?
Genelde nasıl yapılır?
- Bir bileşen ya belirli bir penceredeki en uç noktadan (tepe genliği ve gecikmesi) ya da pencere ortalamasından ölçülür; pencere ortalaması gürültüye daha dayanıklıdır.
- N170 çoğunlukla P7/P8, PO7/PO8 ve TP8 civarındaki elektrotlarda 130–200 ms penceresinde ölçülür.
- P1 (yaklaşık 80–130 ms) erken görsel işlemeyi, P300 (yaklaşık 250–500 ms) dikkat ve beklenmedik uyaranın değerlendirilmesini yansıtır; P300 çoğunlukla orta hattın arkasında (Pz) en büyüktür.
- Koşullar arasındaki farkı göstermek için fark dalgası (A − B) çizilir ve farkın kafa yüzeyindeki dağılımı topografiyle sunulur.
Bu adım, önceki adım tamamlanınca açılır.
Neden?
Genelde nasıl yapılır?
- Güç, olay öncesi taban döneme göre desibel (dB) değişimi olarak gösterilir; 0 dB değişim yok, +3 dB yaklaşık iki kat güç demektir.
- Görsel uyaranlardan sonra arka kanallarda alfa ve beta gücü çoğunlukla azalır (olaya bağlı desenkronizasyon).
- Düşük frekanslarda az, yüksek frekanslarda çok döngülü dalgacık kullanılır; bu analizde döngü sayısı 3’ten 8’e çıkar. Böylece sabit döngülü dalgacığa göre düşük frekanslarda zaman çözünürlüğü, yüksek frekanslarda frekans çözünürlüğü daha iyi korunur; ikisi arasında bir denge kurulur.
- EEGLAB’de bu analiz “newtimef”, MNE-Python’da Morlet dalgacığıyla (“tfr_array_morlet”, epochs.compute_tfr) yapılır; bu laboratuvarın dalgacığı MNE-Python’daki tanımın aynısıdır.
Bu adım, önceki adım tamamlanınca açılır.
Neden?
Genelde nasıl yapılır?
- Küme tabanlı permütasyon testi (Maris ve Oostenveld, 2007) EEG/MEG’de çoklu karşılaştırma için standart yöntemlerden biridir; FieldTrip ve MNE-Python’da hazır bulunur.
- Önce her nokta için t değeri hesaplanır; eşiği aşan ve kanal ya da zaman olarak komşu noktalar bir “küme” oluşturur. Kümedeki t değerlerinin toplamına “küme kütlesi” denir.
- Sonra her katılımcının fark işareti rastgele çevrilerek (permütasyon) yüzlerce sahte veri seti üretilir; gerçek kümenin kütlesi bu sahte dağılımla karşılaştırılarak p değeri bulunur.
- Permütasyon sayısı arttıkça p değeri daha kesin olur ama hesap uzar; yayınlarda 1000 ve üzeri sık kullanılır.
Neden?
Genelde nasıl yapılır?
- Yöntemde kayıt bilgileri (kanal sayısı, örnekleme hızı, referans), süzgeç ayarları, artefakt temizliği ve atılan deneme sayıları yazılır.
- Bulgularda ölçüm penceresi, elektrotlar, koşul ortalamaları ve istatistik test sonucu (t, serbestlik derecesi, p ve etki büyüklüğü) verilir.
- Kullanılan yazılımın adı ve sürümü de belirtilir; sonuçları yayımlamadan önce EEGLAB ya da MNE-Python ile karşılaştırman önerilir.
Bu adım, önceki adım tamamlanınca açılır.
Önemli uyarılar
- Bu laboratuvar eğitim ve araştırma amaçlıdır; sonuçlar tıbbi ya da psikolojik bir teşhis değildir, klinik EEG değerlendirmesinin yerine geçmez.
- Hazır veriler OpenNeuro'da CC0 (kamu malı) lisansıyla paylaşılmıştır; yayınlarda özgün çalışmaya atıf yapılması bilimsel bir gerekliliktir. Katılımcıların kimliğini belirlemeye çalışmak yasaktır.
- Kendi yüklediğin kayıtlar yalnızca tarayıcında işlenir, sunucuya gönderilmez. Yalnızca kişisel bilgileri silinmiş (anonim) veri yükle; başkasına ait verileri yüklemeden önce katılımcı onamı ve etik kurul izninin bulunduğundan emin ol.
- Buradaki yöntemler (Butterworth süzgeç, FastICA, Morlet dalgacığı, küme permütasyonu) yaygın ve doğrulanmış yaklaşımların sade uygulamalarıdır; yayın öncesi sonuçlarını EEGLAB ya da MNE-Python ile karşılaştırman önerilir.
