Dealing with ocular artifacts on lateralized ERPs in studies of visual‐spatial attention and memory: ICA correction versus epoch rejection
Notice bibliographique
Résumé
The objective of the present study was to assess the robustness and reliability of independent component analysis (ICA) as a method for ocular artifact correction in electrophysiological studies of visual-spatial attention and memory. The N2pc and sustained posterior contralateral negativity (SPCN), electrophysiological markers of visual-spatial attention and memory, respectively, are lateralized posterior ERPs typically observed following the presentation of lateral stimuli (targets and distractors) along with instructions to maintain fixation on the center of the visual search for the entire trial. Traditionally, trials in which subjects may have displaced their gaze are rejected based on a cutoff threshold, minimizing electrophysiological contamination by saccades. Given the loss of data resulting from rejection, we examined ocular correction by comparing results using standard fixation instructions against a condition where subjects were instructed to shift their gaze toward possible targets. Both conditions were analyzed using a rejection threshold and ICA correction for saccade activity management. Results demonstrate that ICA conserves data that would have otherwise been removed and leaves the underlying neural activity intact, as demonstrated by experimental manipulations previously shown to modulate the N2pc and the SPCN. Not only does ICA salvage and not distort data, but also large eye movements had only subtle effects. Overall, the findings provide convincing evidence for ICA correction for not only special cases (e.g., subjects did not follow fixation instruction) but also as a candidate for standard ocular artifact management in electrophysiological studies interested in visual-spatial attention and memory.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».