Wybrane najłatwiej identyfikowalne ROI:
- nr-y 33,34,45,36 (to są kolejne fragmenty zakrętu obręczy - cingulum, blisko "środka mózgu")
- dwa zupełnie odmienne ROI:
- nr 51 (kora wzrokowa czyli źródło "łatwo" widoczne przez MEG)
- nr 110 (robak - vermis, bardzo głębokie źródło, widoczny malutki żółty fragmencik na rysunkach poniżej)
Struktura danych:
normalizedSourcesPower =
struct with fields:
powerSpectrum: [294×5798×42 double]
freqAxis: [1×42 double]
dimord: 'rpt_chan_freq'
label: {5798×1 cell}
meanRoiPower: {1×116 cell}
rejectedTrialsIndices: {1×116 cell}
nTrialsBeforeRejection: {1×116 cell}
meanRoiPower_noOutliers: {1×116 cell}
116 - liczba wszystkich ROI w atlasie
freqAxis - oś częstotliwości ( 42 częstotliwości wybrane z zakresu 1-120 Hz )
meanRoiPower: {1×116 cell} - zbiór macierzy każda rozmiaru [nr okna x nr częstotliwości zgodny z freqAxis] z wartościami mocy danego ROI-a. Moc znormalizowana względem średniej i przesunięta o 1 w dół tzn. jeśli moc jest równa średniej mocy w całym mózgu i po wszystkich oknach to jest równa 0.
rejectedTrialsIndices: {1×116 cell} - zbiór wektorów z indeksami okien które zostały wyrzucone jako outliery (porównaj meanRoiPower oraz meanRoiPower_noOutliers)
nTrialsBeforeRejection: {1×116 cell} - zbiór liczb oznaczających ile było okien przed wyrzuceniem outlierów (porównaj meanRoiPower oraz meanRoiPower_noOutliers)
meanRoiPower_noOutliers: {1×116 cell} - to samo co meanRoiPower, ale odrzucone okna-outliery dla których z>2.5. Te dane zwykle biorę do kolejnego etapu jakim jest klastrowanie.
Prototype Distance Plots
Parametry PDP:
- odległość kosinusowa,
- kontrast: offset = 1, gain = 10.
| Subject 1 | Subject 2 | |
|---|---|---|
| ROI 33 |   |
  |
| ROI 34 |   |
  |
| ROI 35 |   |
  |
| ROI 36 |   |
  |
| ROI 51 |   |
  |
| ROI 110 |   |
  |