Homec4science
Diffusion myhug (master) Browse

myh/dataProcessing/bci/bci_adrian/utils/sb.m
ab8049f9d919master

Last Change
Raw File

sb.m
View Options

This document is not UTF8. It was detected as ISO-8859-1 (Latin 1) and converted to UTF8 for display.
%% Condition code
condition = cell(2, 2);
condition{1,1} = 1;
condition{2,1} = 2;
condition{1,2} = 'shambci';
condition{2,2} = 'realbci';
save bciCondition condition
%% Pour visualiser les spatnorm avec simple appui touche clavier
load Y:\dataProcessing\bci\analyses\FC_analyses\allPatientsAnalyses\pointer_ccohere_Spre_band1to20HzZ
for k=1:17
tv([voi.pathnames{k} '_spatnorm'])
keyboard
end
dbcont
k
% Au moins 5 sujets car 1/32 = 0.03 (Valeur plus petite possible)
% Si 4 sujets car 1/16 = 0.06 (déjà plus significatifs, même au plus petit)
% pop.s et beam.s : le s est la valeur de cohérence imaginaires dans les
% voxels
% Pour faire le pop_diff (pas besoin de faire le s_beam diff)
load('pop_ccohere_Spost_band1to20HzZ.mat')
pop=nut_fliplr(pop,subject2flip)
save pop_ccohere_Spost_band1to20HzZ_r2l pop
post=pop;
load('pop_ccohere_Spre_band1to20HzZ_r2l.mat')
pop
post
isequal(post.voxels,pop.voxels)
pop.s=post.s-pop.s
save pop_ccohere_diff_band1to20HzZ_r2l pop
%% Pour les sous-groupes BCI FC
% Ex. pour le groupe sham
shamPatient_id = [1, 10, 13, 16, 18]
load('pop_ccohere_diff_band1to20HzZ_r2l.mat')
pop
good=find(ismember(pop.subjnr,shamPatient_id))
pop
pop.s=pop.s(good,:,:)
pop.subjnr=pop.subjnr(good)
pop.condnr=ones(1,5)
mkdir sham
cd sham
save pop_ccohere_diff_sham_band1to20HzZ_r2l pop
nut_timef_stats
tv s_beamtf_ccohere_diff_sham_r2l_avg % Ex. d'une analyse
% Ex. pour le groupe Hd
load('pop_ccohere_diff_band1to20HzZ_r2l.mat')
hdPatient_id = [5, 11, 14, 15, 19]
good=find(ismember(pop.subjnr,hdPatient_id))
pop.subjnr=pop.subjnr(good)
pop.s=pop.s(good,:,:)
pop.condnr=ones(1,5)
mkdir hd
cd hd
save pop_ccohere_diff_hd_band1to20HzZ_r2l pop
tv s_beamtf_ccohere_diff_hd_r2l_avg % Ex. d'une analyse
%% Définir les régions d'intérêt
% Prendre la valeur moyenne de cette région d'intérêt pour tous les sujets
% fcm_anatroi : pour 1 région d'intérêt
% stroke anat_roi value : script d'Adrian pour que ce soit plus rapide
% basé sur des atlas du cerveau. Le plus utilisé (ici) : 'aal', 'hmat'
% (motor), 'jul'
% fcm_anatroi -list : toutes les régions définies
% fcm_antroi -list hmat
% utiliser les régions à gauche
% value = stroke_anatroivalues2(pop, labels, template)
% value (ou V) : matrice de nbsujet x bandes de fréquences x régions
% d'intérêt
help fcm_anatroi
fcm_anatroi -list aal
fcm_anatroi -list hmat % hmat pour le moteur
savepath
fcm_anatroi -list hmat
help stroke_anatroivalues2
load('pop_ccohere_diff_band1to20HzZ_r2l.mat')
V = stroke_anatroivalues2(pop,{'M1 L' 'SMA L' 'pre-SMA L' 'PMd L' 'PMv L'},'hmat')
size(V)
% à faire : V de chaque groupe, prendre bandes 6 et 7, barplot ou anova
sham_id = [1, 8, 11, 14, 16]
anodConv_id = [2, 5, 7, 15]
bihem_id = [3, 6, 10]
hd_id = [4, 9, 12, 13, 17]
% Séparer valeur par groupe, 6:7 -> bande de fréquences low beta, high
% beta (ici frequence entre [1 20], sur wiki low beta power 1 [12 16], beta
% power 2 [16 20], high beta power 3 [20 30])
V_sham = V(sham_id,6:7,:)
V_anodConv = V(anodConv_id,6:7,:)
V_bihem = V(bihem_id,6:7,:)
V_hd = V(hd_id,6:7,:)
% Comparer la moyenne de la cohérence des patients pour chaque région d'intérêt, dans une bande de fréquence,
% V_mean[...] : bandes de fréquence x régions d'intérêt
% Ici bandes de fréquence 6 (low beta) et 7 (high beta)
% régions d'intérêt : {'M1 L' 'SMA L' 'pre-SMA L' 'PMd L' 'PMv L'}
V_meanCohPatients_sham = squeeze(mean(V_sham))
V_meanCohPatients_anodConv = squeeze(mean(V_anodConv))
V_meanCohPatients_bihem = squeeze(mean(V_bihem))
V_meanCohPatients_hd = squeeze(mean(V_hd))
% make table for gramm plot
% group = [repmat('sham', 2*5, 1);repmat('', 2*5, 1)]
% frequencyBand = repmat([6; 7], 5, 1)
% V_table = table(group, frequencyBand, regionOfInterest, coherence)
% faire barplot par bande de fréquence et roi
for region=1:5
for freqband=1:2
subplot(5,2,(region-1)*2+freqband)
% pour une bande de fréquence et une roi
bar([V_meanCohPatients_anodConv(freqband,region) V_meanCohPatients_bihem(freqband,region) V_meanCohPatients_hd(freqband,region) V_meanCohPatients_sham(freqband,region)])
end
end
% pour analyse anova
% anovan : Y (la valeur à tester), group (les conditions)
sham_id = [1, 8, 11, 14, 16]
anodConv_id = [2, 5, 7, 15]
bihem_id = [3, 6, 10]
hd_id = [4, 9, 12, 13, 17]
cond=nan(17,1)
cond(sham_id)=0;
cond(anodConv_id)=1;
cond(bihem_id)=2;
cond(hd_id)=3
% p (p-value) par le anovan. 6 (low beta), les 5 roi
[p,tab,stats]=anovan(V(:,6,1),cond);
[p,tab,stats]=anovan(V(:,6,2),cond);
[p,tab,stats]=anovan(V(:,6,3),cond);
[p,tab,stats]=anovan(V(:,6,4),cond);
[p,tab,stats]=anovan(V(:,6,5),cond);
% p (p-value) par le anovan. 7 (high beta), les 5 roi
[p,tab,stats]=anovan(V(:,7,1),cond);
[p,tab,stats]=anovan(V(:,7,2),cond);
[p,tab,stats]=anovan(V(:,7,3),cond);
[p,tab,stats]=anovan(V(:,7,4),cond);
[p,tab,stats]=anovan(V(:,7,5),cond);
% si p est significatif, prendre 'stats' et pour savoir quelle condition est
% meilleure que les autres
% regarder si les intervalles de confiances ne se superposent pas. Si pas,
% alors les groupes comparés sont significatifs
figure;multcompare(stats)
% une autre manière de visualiser (ici high beta et SMA) (éventuellement
% gu_boxplot
help boxplot % pour les styles différents
boxplot(V(:,7,2),cond)
figure,boxplot(V(:,7,2),cond)
figure,boxplot(V(:,7,2),cond,'boxstyle','filled')
figure,boxplot(V(:,7,3),cond,'boxstyle','filled')
figure,boxplot(V(:,7,1),cond,'boxstyle','filled')
c4science · Help