Dali_MEG_CurrentBiology

In each of five subject folders:
1. *_PixelBehMI_nuns_not.mat
• “Ipixe_beh” stores the pixel-wise MI value <pixel visibility; nuns vs. don’t know>.
• “TH” is the statistic threshold for the pixel-wise MI (FWER p < 0.001, one-tailed).
• We downsample the bubbles for each spatial frequency band, so the pixel-wise MI is a 5456-d vector (i.e. 64x64 pixels in SF1 + 32x32 pixels in SF2 + 16x16 pixels in SF3 + 8x8 pixels in SF4 + 4x4 pixels in SF5 = 5456 pixels)

2. *_PixelBehMI_volt_not.mat
• “Ipixe_beh” stores the pixel-wise MI value <pixel visibility; Voltaire vs. don’t know>.
• “TH” is the statistical threshold for the pixel-wise MI (FWER p < 0.001, one-tailed).

3. *_FeatureMegMI.mat
• “Ifeat” is the 3D time-by-feature-by-voxel MI matrix.
• “TH” is the statistical threshold (FWER p < 0.05, one-tailed).

4. *_BrainFeatures.mat
• ‘nuns_feat’: Indices of diagnostic brain features for the perception of “the nuns”.
• ‘volt_feat’.: Indices of diagnostic brain features for the perception of “Voltaire”.
• ‘nondiag_feat’: Indices of nondiagnostic brain features.

5. *_FullICA_LP_B_NMF_*.PDF
• Brain features obtained from the NMF analysis.

6. *_Redundancy_nuns_volt_not.mat
• “Ired” is the 3D redundancy matrix (time point x feature × voxel), using all trials.
• “TH” is the statistical threshold (FWER p < 0.05, one-tailed).
• “time” stores the post-stimulus time (in seconds) for each time point.

7. *_Redundancy_nuns_not.mat
• “Ired” is the 3D redundancy matrix (time point x feature × voxel), using “the nuns” and “don’t know” trials.
• “TH” is the statistical threshold (FWER p < 0.05, one-tailed).

8. *_Redundancy_volt_not.mat
• “Ired” is the 3D redundancy matrix (time point x feature × voxel), using “Voltaire” and “don’t know” trials.
• “TH” is the statistical threshold (FWER p < 0.05, one-tailed).

在五个主题文件夹中，各包含以下数据集：
1. *_PixelBehMI_nuns_not.mat
• “Ipixe_beh” 存储了基于像素的互信息值（<像素可见度；修女与不知者之间>）。
• “TH” 代表像素级互信息的统计阈值（FWER p < 0.001，单尾检验）。
我们针对每个空间频率带对气泡进行下采样，因此像素级互信息构成一个5456维向量（即SF1中的64x64像素 + SF2中的32x32像素 + SF3中的16x16像素 + SF4中的8x8像素 + SF5中的4x4像素 = 5456像素）。
2. *_PixelBehMI_volt_not.mat
• “Ipixe_beh” 存储了基于像素的互信息值（<像素可见度；伏尔泰与不知者之间>）。
• “TH” 代表像素级互信息的统计阈值（FWER p < 0.001，单尾检验）。
3. *_FeatureMegMI.mat
• “Ifeat” 是三维时间-特征-体素互信息矩阵。
• “TH” 代表统计阈值（FWER p < 0.05，单尾检验）。
4. *_BrainFeatures.mat
• ‘nuns_feat’：诊断性脑特征的索引，用于感知“修女”。
• ‘volt_feat’：诊断性脑特征的索引，用于感知“伏尔泰”。
• ‘nondiag_feat’：非诊断性脑特征的索引。
5. *_FullICA_LP_B_NMF_*.PDF
• 通过NMF分析获得的脑特征。
6. *_Redundancy_nuns_volt_not.mat
• “Ired” 是三维冗余矩阵（时间点 x 特征 × 体素），使用所有试验。
• “TH” 代表统计阈值（FWER p < 0.05，单尾检验）。
• “time” 存储每个时间点的刺激后时间（以秒为单位）。
7. *_Redundancy_nuns_not.mat
• “Ired” 是三维冗余矩阵（时间点 x 特征 × 体素），使用“修女”和“不知者”试验。
• “TH” 代表统计阈值（FWER p < 0.05，单尾检验）。
8. *_Redundancy_volt_not.mat
• “Ired” 是三维冗余矩阵（时间点 x 特征 × 体素），使用“伏尔泰”和“不知者”试验。
• “TH” 代表统计阈值（FWER p < 0.05，单尾检验）。