MATLAB para investigación en Neurociencia

Name: MATLAB para investigación en Neurociencia
Rating: 4.5 (50 reviews)

Aprende a investigar en neurociencia: análisis de señales de EEG con MATLAB

Created byAlberto Carpio Moreno

Last updated 2/2021

Spanish

Spanish [Auto],

What you'll learn

Principios básicos sobre MATLAB y su aplicación a la investigación en Neurociencia
Comprensión del entorno de trabajo de MATLAB
Preprocesado de señales electrofisiológicas (EEG)
Análisis de datos de electroencefalografía (EEG) y potenciales evento relacionados (PER)
Interpretación de resultados y contraste de hipótesis

Course content

4 sections • 31 lectures • 3h 11m total length

Entorno de trabajo de MATLAB3:37
En esta primera clase introductoria veremos el entorno de trabajo de MATLAB. El workspace es una parte muy importante ya que será donde trabajaremos cada uno de los scripts y comandos necesarios.
Comandos básicos4:38
Los comandos básicos de MATLAB son una parte fundamental a la hora de optimizar nuestro flujo de trabajo. En esta clase, veremos los comandos y/o atajos más utilizados como son: clear all, close all, clc y la tecla F9.
Son muy útiles ya que, a lo largo de nuestro trabajo, nos ahorrarán mucho tiempo y, sobre todo, evitarán errores que pueden llevarnos a tener verdaderos quebraderos de cabeza.
Current folder3:20
El current folder o directorio principal es un apartado necesario para un buen funcionamiento en MATLAB. Básicamente, en este directorio será donde almacenemos nuestros archivos y scripts. Debemos tener en cuenta que el current folder funciona como el disco local de nuestro ordenador. Por este motivo, cualquier acción o función que realicemos pasará en primer lugar por este directorio, permitiéndonos una mayor optimización en nuestro trabajo.
Fundamentos de MATLAB
Instalar toolbox Fieldtrip4:27
Fieldtrip es una de las toolbox más utilizadas en investigación en el ámbito de la Neurociencia. Se utiliza por varios motivos pero, uno de ellos, es que es totalmente gratuita y funciona a la perfección con los múltiples hardware y software de la actualidad.
Su funcionamiento se basa en las funciones, que son, en resumen, archivos de scripts preconfigurados pero que podremos modificar en función de nuestras necesidades.
Cumplen un gran abanico de opciones que van desde el preprocesado de la señal, pasando por análisis de la actividad cerebral individual, el tiempo frecuencia y hasta análisis de conectividad y redes neuronales.
En el apartado de recursos tendréis el archivo .rar que yo mismo utilizo para que todos tengamos la misma configuración. Es muy importante que utilicéis la misma versión (la que os comparto aquí abajo) para evitar problemas y fallos en la compatibilidad.
Crear etiquetas7:43
En esta clase veremos cómo crear etiquetas a cada uno de los archivos. Comenzaremos a inspeccionar el primer script que servirá para ordenar nuestros datos para su posterior preprocesamiento.
Crear carpetas5:55
La creación de carpetas es un apartado importante a la hora de ordenador los datos. Gracias a esta división de los archivos ordenados de forma correcta, conseguiremos una mayor eficiencia a la hora de analizar los datos de EEG.
Leer los archivos del EEG3:58
Por fin comenzamos a tener una primera toma de contacto con los archivos del registro de electroencefalograma (EEG). Veremos su estructura y cómo debemos ordenarlos para que MATLAB sea capaz de analizar la actividad cerebral.
En los recursos tendréis disponible un archivo .rar que incluye todos los datos necesarios de cada uno de los sujetos. En vuestro directorio principal (en mi caso 'D:/Curso/MATLAB'), deberéis crear una nueva carpeta denominada 'raw' (es decir, "en bruto") donde descomprimiréis los archivos del .rar.
De esta forma, todos tendremos los archivos ordenados de igual manera y no habrá fallos con los directorios.
Ordenar nuestros datos5:43
Una vez hemos entendido la estructura de un archivo de EEG, es el momento de aprender a copiar y pegar cada uno de los archivos en su carpeta correspondiente.
Gracias a este proceso, tendremos más ordenados los datos de cada sujeto de forma individual.
Principios básicos de MATLAB y Fieldtrip

Markers a TSV6:58
En esta clase veremos como transformar los archivos raw del registro de EEG a un formato compatible con MATLAB y Fieldtrip. Se trata simplemente de ordenar las columnas y las filas para que, en los análisis posteriores, no haya ningún tipo de error o bug.
Códigos a números7:26
En esta clase veremos cómo transformar variables de formato string o cadena a un formato numérico. Es muy importante trabajar con variables numéricas para una mayor fluidez en el procesamiento de los datos.
Comando help2:09
El comando help nos ayudará a comprender las variables y configuraciones posibles de cada una de las funciones de Fieldtrip. Gracias a este comando, podremos consultar algunos errores y su posible solución.
Al utilizarlo, nos aparecerá en nuestro Command Window una breve explicación teórica de la función que le indiquemos y también todas las combinaciones posibles.
Crear épocas8:31
La creación de épocas en la señal del EEG se refiere a la segmentación en porciones de tiempo. Es decir, seleccionamos una ventana temporal que queremos analizar.
En nuestro ejemplo "cortamos" la señal en una ventana que va desde -1.3 segundos antes de la aparición del estímulo hasta 0.7 segundos después de la aparición del mismo. Esta segmentación nos da una ventana temporal de 2 segundos donde realizaremos nuestros análisis.
La importancia de la actividad ocular (EOG)6:34
El electrooculograma (EOG) se refiere al registro de la actividad muscular de nuestros ojos. Registraremos la señal de la actividad muscular ocular para poder controlar movimientos como los parpadeos que pueden interferir en la señal del EEG.
Es muy importante realizar esta corrección ya que si no la hiciéramos, tendríamos una señal eléctrica cerebral que no se correspondería fielmente con la realidad.
Primeros pasos con los archivos del EEG

El sistema 1010 del EEG7:36
Función databrowser10:03
Inspección visual de los resultados10:44
Análisis de Componentes Independientes (ICA)4:50
Eliminar ICA9:44
En esta clase veremos cómo eliminar los componentes que puedan generar artefactos en nuestra señal. A través de las diferentes funciones representaremos la gráfica de los componentes independientes e identificaremos los movimientos oculares.
Una vez seleccionados, podremos "restar" la actividad del EOG a la actividad eléctrica cerebral para mantener nuestros datos de la forma más fiel posible.
Primeras figuras de actividad cerebral5:52
En esta clase veremos como crear las figuras que representan el Análisis de Componentes Independientes (ICA). Estos plots servirán como base para comprender qué tipo de actividad cerebral se relaciona con el componente, en este caso, de actividad ocular (EOG).
Guardaremos cada figura por separado y seis ensayos de ejemplo que representarán que nuestro trabajo se está haciendo de la forma correcta e ICA está siendo capaz de determinar de forma correcta la información que le estamos solicitando
La actividad cerebral del EEG
Eliminar ensayos6:31
En esta clase veremos cómo eliminar los trials o ensayos que contengan algún tipo de artefacto o ruido. También veremos cómo se ve la nueva gráfica de la actividad cerebral una vez eliminado el componente de actividad ocular.
Guardar figuras5:28
En esta clase veremos cómo guardar las figuras de algunos ensayos de ejemplo que nos muestran el momento temporal donde se genera la actividad cerebral.
Además, aprenderemos una pequeña base teórica de los Potenciales Evento Relacionados.
Interpolación5:59
En esta clase veremos el proceso de interpolación. La interpolación se realiza con el objetivo de corregir la actividad de un electrodo ruidoso o artefactado utilizando la actividad de los electrodos adyacentes o vecinos.
Finalizar el preprocesamiento de la señal11:02
Por fin hemos llegado a la última clase del preprocesamiento. Realizaremos todos los análisis a los 4 sujetos de nuestros datos para conseguir unos datos limpios y ordenados.
Una vez finalizado el preprocesamiento, sólo nos queda comenzar a analizar y comprobar si hay diferencias en la actividad cerebral entre un grupo de personas sanas y otro con alguna patología concreta.
Pasos finales en el preprocesamiento

Delimitar sujetos y condiciones4:14
En esta clase veremos cómo delimitar los sujetos que pertenecen al grupo experimental y qué sujetos pertenecen al grupo control. Esto será útil para entender las comparaciones entre ambos grupos.
ERP de un sujeto único4:36
En esta clase veremos cómo crear una gráfica del ERP. Con ella podremos comprobar si encontramos diferencias, al menos visualmente, entre la condición 1 back y la condición 2 back.
ERP de un grupo4:14
En esta clase veremos cómo delimitar los sujetos del grupo experimental y del grupo control. Además, crearemos un nuevo directorio donde iremos guardando todos los archivos necesarios para realizar los análisis estadísticos.
Gran promedio6:49
En esta clase veremos cómo realizar un Gran Promedio que nos servirá para comparar la actividad cerebral de los sujetos del grupo experimental con la actividad de los sujetos del grupo control.
Estadística4:36
En esta clase veremos cómo configurar MATLAB para realizar el análisis estadístico necesario para comparar dos grupos. Utilizaremos la prueba T para muestras independientes y la permutación basada en clústers.
Tiempo y espacio3:55
En esta clase crearemos la gráfica, a través del análisis de los clústers, del tiempo y el espacio donde aparecen las diferencias estadísticamente significativas entre ambos grupos.
El momento temporal5:45
En esta clase veremos el momento temporal. Una vez encontradas las diferencias estadísticamente significativas entre ambos grupos, tenemos que determinar los milisegundos donde aparecen las diferencias. De esta forma podremos establecer en qué potenciales aparecen las diferencias entre grupos.
Comparar condiciones experimentales8:53
En esta clase veremos como realizar el análisis estadístico para una nueva condición experimental. Con este video finalizamos el curso de análisis de señales electromagnéticas a través de MATLAB y FieldTrip.
Análisis estadístico

Requirements

No se requiere ningún conocimiento previo
Disponer de Matlab 2017b

Description

En este curso de análisis de datos de actividad cerebral a través de MATLAB, aprenderás cómo iniciar una investigación en neurociencia, psicología o ciencias de la salud en general. Te enseñaremos a utilizar el entorno básico de MATLAB y la toolbox Fieldtrip para preprocesar datos de señales de electroencefalografía (EEG), analizarlos de forma estadística, contrastar hipótesis y comprender los resultados.

Analizaremos paso a paso cada uno de los scripts necesarios para el análisis de la actividad cerebral, destacando la importancia de cada línea de código. A través de diferentes gráficas y figuras, podrás ver la actividad cerebral real y aprender a interpretarla.

A medida que avances en el curso, realizarás ejemplos prácticos para comprender el funcionamiento de MATLAB y cómo aplicarlo a tus futuras investigaciones. Además, tendrás acceso a archivos de datos para practicar y comparar la actividad cerebral de un cerebro sano y uno patológico.

Con este curso, serás capaz de comprender que la investigación en Neurociencia va mucho más allá de los datos. Esperamos transmitir nuestros conocimientos de forma sencilla para apasionarte tanto como nosotros y despertar tu curiosidad y ganas de aprender.

¿Te gustaría aprender a analizar la actividad cerebral utilizando MATLAB y Fieldtrip? ¡Inscríbete en nuestro curso ahora!

Who this course is for:

Estudiantes interesados en la investigación en Ciencias de la Salud
Cualquier persona que desee aprender sobre investigación en Neurociencia

MATLAB para investigación en Neurociencia

What you'll learn

Explore related topics

Course content

Principios básicos sobre MATLAB8 lectures • 39min

Preparación de los datos del EEG5 lectures • 32min

Preprocesamiento de la señal del EEG10 lectures • 1hr 18min

Análisis de resultados8 lectures • 43min

Requirements

Description

Who this course is for: