<meta http-equiv="Content-Type" content="text/html; charset=utf-8"><div dir="ltr">Hello all, <div><br></div><div>My name is Soren Wainio-Theberge, and I'm
 working in the Mind, Brain Imaging and Neuroethics unit in Ottawa, 
Canada. I have a dataset where we switched electrode caps partway through the experiment in order to obtain fNIRS data on some subjects. There is some limited overlap between the caps (a cluster of four electrodes in the parietal region and two in the frontal), but for the most part the electrode locations are different. I'm now looking to use cluster-based permutation testing with the whole dataset, testing a correlation with a psychological variable. Is this possible? If so, what would be the most sound approach? I can see three options at the moment:</div><div><br></div><div>1) Convert all subjects with the fNIRS cap to the original cap by interpolating those electrodes. <br></div><div>2) For each cap, interpolate the electrodes of the other cap to get a common space with more electrodes. <br></div><div>3) Do the analysis in source space to avoid the electrode cap issue altogether (though we only have 64 electrodes for each cap and no individual anatomy, so source estimation won't be very accurate). <br></div><div><br></div><div>Which is the best option from the perspective of a) the cluster test and multiple comparisons (ie does option 2 cause more issues for the cluster testing than option 1), and b) the accuracy of the method in general ( interpolation vs source space)? Or is there another possibility which I haven't thought of?</div><div><br></div><div>Thanks very much, <br></div><div>Soren<br></div></div>