Functional neuroimaging: RSA.

¿Qué es el análisis de similitud representacional (RSA)?

El análisis de similitud representacional (RSA) permite estudiar cómo se representa la información en el cerebro comparando patrones de actividad entre condiciones. En lugar de centrarse en la actividad media o en la clasificación, RSA analiza la estructura de relaciones entre todos los estímulos.

La idea central es construir una matriz de disimilitud (RDM) que capture cuán diferentes (o similares) son los patrones cerebrales evocados por distintos estímulos. Esta matriz puede luego compararse con modelos teóricos, comportamentales o con datos de otras modalidades.

Características principales:

  • Multivariado: Considera todos los canales (electrodos, voxeles) conjuntamente.
  • Basado en distancias: Mide la (dis)similitud entre patrones de activación.
  • Flexible: Se puede aplicar a EEG, fMRI, MEG, intracraneal…

Ejemplo de RDM

Ejemplo en neurociencia cognitiva

Supongamos que presentamos círculos y triángulos de diferentes colores. Si los patrones cerebrales se agrupan por color (verde/rojo), esto indica que el sistema nervioso representa el color de manera estructurada. Si se agrupan por forma (círculo/triángulo), entonces la forma predomina en la codificación.

Descripción del dataset

Este conjunto de datos simula registros intracraneales con un array de microelectrodos (MEA) en respuesta a 16 estímulos visuales. Los estímulos son formas rojas o verdes (círculos o triángulos) presentadas durante 2 segundos. Se registraron 1138 electrodos durante 500 ms por ensayo, con una frecuencia de muestreo de 1000 Hz.

Estructura:

  • mea_data.npy: matriz (16 ensayos, 1138 electrodos, 500 tiempos)
  • trial_labels.csv: etiquetas de condición (g=verde, r=rojo, c=círculo, t=triángulo)

Propiedades de la señal:

  • Señal simulada con diferencias sensibles al color/forma
  • Ventana de interés: 100–300 ms, donde se espera representación específica

Challenge de la sesión

Queremos explorar cómo se representan el color y la forma en la señal MEA mediante RSA.

Objetivos:

  1. Extraer la señal promedio en la ventana de 100–300 ms para cada ensayo.

  2. Construir la matriz de disimilitud (RDM) entre todos los ensayos.

  3. Visualizar el RDM y explorar si hay agrupamiento por:

    • Color (verde vs. rojo)
    • Forma (círculo vs. triángulo)

  4. Comparar la RDM obtenida con modelos teóricos de color o forma.

Preguntas clave:

  • ¿Qué característica se representa con más claridad: color o forma?
  • ¿Qué tipo de modelo (color/forma) se ajusta mejor a la RDM cerebral?
  • ¿Cambia la estructura representacional si se usa otra ventana temporal?