How low can you go? Measuring human event-related brain potentials from a two-channel EEG system
Notice bibliographique
Résumé
Over the past ten years, there has been a rapid increase in the availability and use of mobile electroencephalography (mEEG) in research. Indeed, researchers using mEEG have recorded EEG and event-related brain potentials in a wide range of environments - for example, while walking (Debener et al., 2012), riding a bike (Scanlon et al., 2020), or even in a shopping mall (Krigolson et al., 2021). However, given that low-cost, ease-of-use, and setup speed provide the primary advantages of an mEEG system over large array traditional EEG systems, an important and unresolved question is just how many electrodes does an mEEG system need to collect research-quality EEG data? Here, we tested whether or not a two-channel forehead-mounted mEEG system - the "Patch" - could measure event-related brain potentials within their established amplitude and latency characteristics (Luck, 2014). In the present study, participants performed a visual oddball task while we recorded EEG data from the Patch. Our results demonstrated that we could capture and quantify the N200 and P300 event-related brain potential components using a minimal electrode array forehead-mounted EEG system. Our data further support the idea that mEEG can be used for quick and rapid EEG-based assessments, such as measuring the impact of concussions on the sports field (Fickling et al., 2021) or assessing the impact of stroke severity in a hospital (Wilkinson et al., 2020).
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».