EEG統合を使用したデスクトップアプリ研究
概要
この手順の目的は、デスクトップアプリを使用してEEG統合の簡単な研究を設定する方法を示すことです。
注: デスクトップアプリのインストールガイドやアプリ機能の概要についての詳細は、こちらのページを参照してください。
注: デスクトップアプリのインストールガイドやアプリ機能の概要についての詳細は、こちらのページを参照してください。
この手順では、デスクトップアプリの組み込みLSLサポートを使用します。
設定
SettingsタブのSpecial Features列で、Lab-Streaming-Layerオプションを下にスクロールしてアクティブにします。これらの設定についての詳細は、こちらのページを訪れてください。
次に、このテキストフィールドがポップアップし、出力ストリームの名前を付けることができます。ここでは、単一のストリームを作成し、デフォルトの名前とオプションを保持しました。
通常、Labvancedで生成されたイベント用の出力ストリームを設定し、EEG記録にマーカーストリームとして送信してイベントをマークできるようにします。これが設定されると、そのストリームに個々のマーカーを送信できます。これはLabvancedイベントシステムを使用すると非常に簡単です。
簡単な研究設定
この手順の目的のために、私たちはブーバキキ効果の研究を迅速に設定し、議論の基盤とEEG関連イベントの設定を行うための基盤を作ります。マーカーを送信するために基づく内容は以下の通りです:
- 表示されている刺激のカテゴリー(つまり、boubaカテゴリー=丸い形; kikiカテゴリー=尖った/鋭い形)
- 画像がクリックされたとき
刺激を設定する方法(文脈のために)については、このビデオの04:19分のマークを参照してください:
刺激アップロードプロセスの簡単な説明(上のビデオに基づく):
- 試行システムから、レベルを作成し、それを「bouba」と名付け、丸い形の刺激画像用とし、次に別のレベルを作成し、「kiki」と名付け、尖った形の刺激画像用とします。
- 次に、試行システムに表示されたBouba条件をクリックし、オブジェクトを選択して該当する画像ファイルをアップロードし、i.) スティミュラスの数と同じだけ試行を作成し、ii.) 自動的に割り当てるオプションを選択します。
- 次に、条件を選択してプロセスを繰り返すことで、他の条件でも同様のことを行います。
これで、2種類の刺激を持つ簡単な研究が設定されました。イベントを設定すると(次のセクション)、最終的なタスクは、画像をクリックすることで次の試行に進み、EEGマーカーを送信するという形になります。
イベント設定
さて、イベントに関してですが、主なアイデアは、参加者が見ている画像の種類/カテゴリーに基づいてEEGマーカーを送信したいということです。また、画像がクリックされたときのマーカーも必要です。
イベント1: EEGへマーカー(フレーム/刺激の開始)を送信
この最初のイベントでは、EEGに知ってもらいたいことは: a) 刺激が始まったフレームのタイミング、また b) 刺激がどの画像カテゴリーに属しているか(つまり、ブーバまたはキキ)。
トリガ
Trial and Frame Trigger→On Frame Start
最初のEEGマーカーを作成するためのトリガとしてフレーム開始を選択する。
アクション
条件を切り替える必要があるため、エディターでif/thenアクションが必要です:
Control Action→Requirement Action (If…Then)
最初の条件を指定するため、対応する因子変数を呼び出し、それを'bouba'に等しく設定します。これは、エディターで次の手順を適用することで行われます:
+ Requirementをクリック- 左の鉛筆アイコン:
Variable→Select Variableを選択し、factor1_tg1_task0を選びます - 右の鉛筆アイコン:
Constant Value→String→ 文字列_bouba_を入力します
注: 実験設計プロセスでは、因子にユニークで説明的な名前を付けるべきです。上の例ではデフォルト名factor1_tg1_task0を使用しましたが、構造的に健全なデザインには、因子のカテゴリーを反映させるためにより正確な名前を付けるべきです(例えば「形状」など)。
このIF条件が満たされたら、次のことをTHEN実行することを望みます:
Add ActionAPI Actions→Send LabStreamingLayer Marker- この目的のために「研究設定」内で先に作成したストリームを選択します(つまり、labvanced_stream_1)。
- 送信する値:
Constant Value→String→ _bouba_という単語を入力します
画像刺激条件タイプに基づいてLSLマーカーを指定する。
_kiki_条件に対しても同様のプロセスを繰り返すため、+ Add Else If Caseオプションをクリックします。
ワークフローヒント: 'kiki'条件のためにセカンドイベントを作成する代わりに、上のイベントをコピー(`IF`の隣にある重複アイコンを使用)して、他の因子や刺激タイプに対応するように文字列を単に変更します(つまり、'kiki')。
まとめ
ここまでのところ、我々はLabvancedを設定して、刺激の形状タイプに基づいてEEGマーカーをフレームが開始されるとすぐに送信するようにしました。
イベント2: 参加者の応答
さて、今度は焼きなマーカーを送信し、より動的なものを測定したい(つまり、画像がクリックされたとき)。ここでは、反応時間を定量化し、次の試行に進むことも可能です(全て画像に対するマウスクリックに基づいて)。
画像がクリックされたときに‘click’のマーカーがEEGに送信されるように別のイベントを作成できます。
トリガ
User Input→Mouse Trigger+ Add Target→ 画像オブジェクトを選択(image_1)
2つ目のマーカーが作成されるトリガとして画像クリックを選択する。
アクション1('click'マーカーをEEGに送信)
新しいマーカーを作成します。
API Actions→Send LabStreamingLayer Marker- LSLストリーム:
labvanced_stream_1を選択 - 送信する値:
Constant Value→String→ 'Click'という単語を入力
アクション2(反応時間を記録) Set / Record Variableを使用し、フレームの開始からマウスのトリガ時間を記録するスカラーで数値の変数を作成します。
+ ActionVariable Actions→Set / Record VariableSelect(緑のボタン)→+New Variable(右上)- 名前: RT
- フォーマット: スカラー
- データ型: 数値
- → 'OK'
- 鉛筆アイコン →
Trigger (Mouse)→Trigger Time (From Frame Onset)
アクション3(次の試行に移動)
+ ActionJump Actions→Jump To→Next Trial
この手順に従うと、イベントは以下のようになります:
ターゲット画像へのマウスクリック時に3つのアクションが発生します:i.) EEGへのマーカー送信、反応時間の定量化、および次の試行への移動。
SUMMARY
上記のイベントは、特定の画像をクリックするトリガーを持ち、以下のアクションが続きます:マーカーがEEGに「クリック」として送信され、反応時間(フレームの開始から)はミリ秒単位で記録され、変数「RT」に保存され、実験は次のトライアルに進みます。
この時点で、マーカーをEEGに送信するための構造と機能を持つ非常にシンプルな研究が設定されています!
- 2種類の異なる刺激タイプ
- EEGは以下に基づいてマーカーを受信します:
- 表示された刺激タイプ
- 「クリック」が発生した時
- 研究は反応時間を記録し、ナビゲーションが設定されています
LOCAL MODE
デスクトップアプリでは、‘local’モードに戻ると、同期が行われていることがわかります。
研究がデスクトップアプリでローカルに読み込まれ、更新されています。
数秒後、更新された研究がダウンロードされ、オンラインで行われたすべての変更がローカルバージョンに反映されます。
EEG録音セッションに進みましょう。
EEG Data Recording Session
EEGデータ録音セッションを開始するには、もちろん、上記で作成したLabvanced研究(マーカーを送信するためのその構造とイベント)が必要です。しかし、そのEEGにマーカーを注入するために、いくつかの補助プログラム(無料)も必要であり、データを視覚化したり分析するためのツールも必要です。
EEG Equipment (Muse 2 EEG)
このデモでは、Muse 2 EEGウェアラブルヘッドセットを使用します。BlueMuse(無料)プログラムを開き(Muse 2 EEGヘッドセット用)、‘Start Streaming’オプションをクリックします。2つ目のウィンドウがポップアップし、4つの異なるストリーム:EEGチャネル、加速度計、ジャイロスコープなどとそれぞれのサンプリングレートが表示されます。
BlueMuseでストリーミングを開始し(右のウィンドウ)ストリームが表示されます(左のウィンドウ)。
これらの2つのウィンドウは今最小化できます。
Lab Recorder
次に使用するツールは、Lab Recorder(無料)で、接続したLSLデータストリームを記録し、.XDFファイルに保存するためのLSL録音ソフトウェアです。
EEGシステムを起動し、LSLストリームを開始した場合、ここに表示されます。この時点では、研究がまだ開始されていないため、Labvancedストリームはまだ開始されていません。研究が開始されると、このストリームも開始されます。
上部のストリーム(赤)は、研究がまだ開始されていないため開始されていません。研究を開始するとこのストリームは緑になります。右側ではデータを保存する場所を指定できます。
研究が開始されるとすぐに(つまり、Labvancedで研究を開き、Recordを押します)。研究が開始され、待機ロビーに入ると、「更新」ボタンをLab Recorderでクリックでき、Labvancedストリームが準備完了であることがわかります。
Note: Lab Recorderプログラムの右側で、ファイルパスを指定し、LabvancedストリームとEEGからのデータの結合して制作したデータストリームファイルをコンピュータのローカルに保存する場所を選択できます。
今、Lab Recorderプログラムの左上隅でStartをクリックして録音を開始します。
Brain Vision
何かを見るためには、つまり、LSLストリームのライブフィードを見るためには、Brain Vision Analyzer(無料)などの別のツールを開始する必要があります。これは、録音された内容を美しく視覚化してくれます。
Connectをクリックすると、すべてのストリームがここに表示されるはずです。LabvancedストリームもクリックしてOKをクリックできます。
さあ、実験を開始し、EEGデータの録音と視覚化を始めましょう!
Brain VisionでのEEGライブストリームのプレビュー。
研究でクリックや反応があると、Brain Visionプログラムの底部にあるEEGストリームにもマーカーが表示されます。
「クリック」マーカーと条件マーカーは、このスケールではあまり明確ではありません。それは、画像をクリックした数ミリ秒後に条件マーカーが新しいトライアルのために設定されるため、視覚的に重なり合ってここに表示されます。
Labvancedで作成されたマーカーが底部に表示され、条件タイプとクリックに基づいています。
全体として、非常にうまく機能します!
Finishing the Recording
研究が終了しました。したがって、Lab RecorderプログラムでStopをクリックしてデータ録音を停止できます。ファイルが作成され、保存されるまでに数秒かかります。
EEG Data Analysis
EEGLAB Standalone
最後に示したいのは、EEGデータを分析する方法です。もちろん、PythonやRを使用するなど、EEGデータを分析する方法は多くありますし、MatLabを使用することもできます。
私たちは、EEGLAB Standalone(無料)をカリフォルニア大学サンディエゴ校(UCSD)から使用します。これはMatLabやライセンスを必要とせず、ランタイム環境だけで、データ録音を直接確認することができます。
EEGLAB Standaloneオプションでは、.XDFファイルを読み込むためのプラグインなどすべてのプラグインを直接読み込むことができます。
Fileオプションから、Import Data → Using EEGLAB Functions and Plugins → from .XDF to . XDFZ fileファイルオプションに行き、Lab Recorderから指定したフォルダ内のファイルを見つけて読み込みます。すると、インポートとデータセットの名前を付けるためのダイアログボックスが表示されます。
ファイルが開かれると、エポックあたりのフレーム数やイベントの数などに関する情報が表示されます。
EEGLAB Standaloneからのデータセット[test_1]のプレビュー。
Plot → Channel data (scroll)に行くと、記録されたデータの素晴らしい概要が表示され、データを移動することができます。
チャンネルデータを開き、録音セッションを通じて移動します。マーカーは上部にピンクと緑で表示されています。
今は分析を行いませんが、ここからはタイムスタンプやエポックデータセットを使用して興味深い操作を行うことができます。EEGLABからは幅広いトピックをカバーする素晴らしい資料やチュートリアルがあります。
例えば、Plotメニュー項目の下に多くのオプションが見えます。これは録音に基づいた何らかのスペクトログラムです。
このデモで録音されたデータに基づいてEEGLAB Standaloneを使用して作成された図の例。
この内容が役立ち、Labvancedデスクトップアプリを使用してEEG研究を迅速に設定する方法を示していることを願っています。ありがとうございました!