[ERP Decoding] ERP Decoding procedure

🧠 Key Words

Supervised Learning
SVM
cross-validation

 

 

1. Subject가 자극을 보고 Task를 처리한다. (잠깐의 자극에 대해 기억하고 report)
2. Scalp channel에 대해 EEG recording.
3. Scalp pattern이 자극에 따라 얼마나 다른지, 얼마나 일관되게 다른지 보는 것.
4. Subject가 주어진 시간 대에 어떤 자극을 기억하고 있는지.
5. 이 자극의 feature 마다 scalp distribution of ERP를 그린다.
6. feature의 개수 별로 scalp distribution을 그릴 수 있다.
7. 이 여러 개의 scalp distribution에 대해 new data와 비교하여 가장 비슷한 게 무엇인지 알아낸다.
8. Machine Learning을 통해 예측한 다음에, 예측한 해당 feature에 대한 Label이 실제 이 Data의 label과 같은지 다른지 비교하여 decoding accuracy를 구할 수 있다.

 

• 각 feature 마다 생성된 scalp distribution이 전부 reliable distinguishable하다면,
• 우리가 새로운 Data를 얻었을 때 해당 feature label이 무엇인지 reliable하게 예측할 수 있다.

 

 

Analysis Method : Supervised Learning

- 내가 가진 classifier를 training한 후 testing함.

- training 시, 지시된 label에 대해 classifier가 그것을 보고 학습.

- fitting한다고 할 수 있다. Multi-dimensional space에서 해당 feature label이 어떤 분포를 이루는지 그 부분을 추출하는 것이 training.

 

Training step

• 우리가 가지고 있는 ERP Data를 일부 random 추출하여, feature label 개수에 맞게 scalp map을 그린다.
• 이에 대한 algorithm 으로 Supprot vector machine을 사용하거나 linear discriminant analysis를 사용할 수 있다.
• Classifier는 feature label에 대해 이것이 multi-dimension 상에서 어떻게 다른지를 학습한다.
• Classifier learns the association between scalp distribution of ERP and corresponding feature label

 

Testing step

• Training Data 제외 data로 다시 Averaged ERP를 만든다.
• 이 것으로 Scalp distribution을 다시 만들어, 이 training 된 classifier가 새로운 data에 대해 어떤 feature를 assign하는지를 보는 것이 test라고 할 수 있다.
• 이 Testing을 통해 Decoding accuracy를 구할 수 있다.

 

random으로 Training data와 Testing data를 뽑기 때문에, 이 사실로 인해 above-chance 가 생길 수 있으니,

 

Supervised Learning에서는 cross-validation을 사용한다.

 

이 과정을 여러 번 더 validation을 거친다.

 

Decoding output의 reliability를 높이기 위해 random data를 설정하고 반복한다.