Abstract Electroencephalographic (EEG) data is typically contaminated with non-neural artifacts which can confound the results of experiments. Artifact cleaning approaches are available, but often require time-consuming manual input and significant expertise. Advancements in artifact cleaning often only address a single artifact, are only compared against a small selection of pre-existing methods, and seldom assess whether a proposed advancement improves experimental outcomes. To address these issues, we developed RELAX (the Reduction of Electroencephalographic Artifacts), an automated EEG cleaning pipeline implemented within EEGLAB that reduces all artifact types. RELAX cleans continuous data using Multiple Wiener filtering [MWF] and/or wavelet enhanced independent component analysis [wICA] applied to artifacts identified by ICLabel [wICA_ICLabel]). Several versions of RELAX were tested using three datasets containing a mix of cognitive and resting recordings (N = 213, 60 and 23 respectively). RELAX was compared against six commonly used EEG cleaning approaches across a wide range of artifact cleaning quality metrics, including signal-to-error and artifact-to-residue ratios, measures of remaining blink and muscle activity, and the amount of variance explained by experimental manipulations after cleaning. RELAX with MWF and wICA_ICLabel showed amongst the best performance for cleaning blink and muscle artifacts while still preserving neural signal. RELAX with wICA_ICLabel (and no MWF) may perform better at detecting the effect of experimental manipulations on alpha oscillations in working memory tasks. The pipeline is easy to implement in MATLAB and freely available on GitHub. Given its high cleaning performance, objectivity, and ease of use, we recommend RELAX for data cleaning across EEG studies.

Electroencephalography (EEG) is commonly used to examine neural activity time-locked to the presentation of a stimulus, referred to as an Event-Related Potential (ERP). However, EEG is also influenced by non-neural artifacts, which can confound ERP comparisons. Artifact cleaning can reduce artifacts, but often requires time-consuming manual decisions. Most automated cleaning methods require frequencies <1Hz to be filtered out of the data, so are not recommended for ERPs (which often contain <1Hz frequencies). In our companion article, we introduced RELAX (the Reduction of Electroencephalographic Artifacts), an automated and modular cleaning pipeline that reduces artifacts with Multiple Wiener Filtering (MWF) and/or wavelet enhanced independent component analysis (wICA) applied to artifact components detected with ICLabel (wICA_ICLabel) (Bailey et al., 2022). To evaluate the suitability of RELAX for data cleaning prior to ERP analysis, multiple versions of RELAX were compared to four commonly used EEG cleaning pipelines. Cleaning performance was compared across a range of artifact cleaning metrics and in the amount of variance in ERPs explained by different conditions in a Go-Nogo task. RELAX with MWF and wICA_ICLabel cleaned the data the most effectively and produced amongst the most dependable ERP estimates. RELAX with wICA_ICLabel only or MWF_only may detect experimental effects better for some ERP measures. Importantly, RELAX can high-pass filter data at 0.25Hz, so is applicable to analyses involving ERPs. The pipeline is easy to implement via EEGLAB in MATLAB and is freely available on GitHub. Given its performance, objectivity, and ease of use, we recommend RELAX for EEG data cleaning.

Abstract Background Obsessive-Compulsive Disorder (OCD) is a mental health condition causing significant decline in the quality of life of sufferers and the limited knowledge on the pathophysiology hinders successful treatment. The aim of the current study was to examine electroencephalographic (EEG) findings of OCD to broaden our understanding of the disease. Methods Resting-state eyes-closed EEG data was recorded from 25 individuals with OCD and 27 healthy controls (HC). The 1/f arrhythmic activity was removed prior to computing oscillatory powers of all frequency bands (delta, theta, alpha, beta, gamma). Cluster-based permutation was used for between-group statistical analyses, and comparisons were performed for the 1/f slope and intercept parameters. Functional connectivity (FC) was measured using coherence and debiased weighted phase lag index (d-wPLI), and statistically analysed using the Network Based Statistic method. Results Compared to HC, the OCD group showed increased oscillatory power in the delta and theta bands in the fronto-temporal and parietal brain regions. However, there were no significant between-group findings in other bands or 1/f parameters. The coherence measure showed significantly reduced FC in the delta band in OCD compared to HC but the d-wPLI analysis showed no significant differences. Conclusions OCD is associated with raised oscillatory power in slow frequency bands in the fronto-temporal brain regions, which agrees with the previous literature and therefore is a potential biomarker. Although delta coherence was found to be lower in OCD, due to inconsistencies found between measures and the previous literature, further research is required to ascertain definitive conclusions.

Abstract Objectives Mindfulness meditation (MM) is suggested to improve attention. Research has explored this using the ‘attentional-blink’ (AB) task, where stimuli are rapidly presented, and a second target stimulus (T2) is often missed if presented ∼300ms after an initial target stimulus (T1). This research showed improved task-accuracy and altered neural activity after an intensive 3-month MM retreat. We tested whether these results replicated in a community sample of typical meditators. Methods Thirty-one mindfulness meditators and 30 non-meditators completed an AB task while electroencephalography (EEG) was recorded. Between-group comparisons were made for task-accuracy, event-related potential activity (posterior-N2 and P3b), theta and alpha oscillatory phase synchronisation to stimuli presentation, and alpha-power. Primary aims examined effects within time windows reported by previous research. Additional exploratory aims assessed effects across broader time windows. Results No differences were detected in task-accuracy or neural activity within our primary hypotheses. However, exploratory analyses showed posterior-N2 and theta phase synchronisation effects indicating meditators prioritised attending to T2 stimuli (p < 0.01). Meditators also showed more alpha-phase synchronisation, and lower alpha-power when processing T2 stimuli (p < 0.025). Conclusions Our results showed multiple differences in neural activity that suggested enhanced attention in meditators. The neural activity patterns in meditators aligned with theoretical perspectives on activity associated with enhanced cognitive performance. These include enhanced alpha ‘gating’ mechanisms, increased oscillatory synchronisation to stimuli, and more equal allocation of neural activity across stimuli. However, meditators did not show higher task-accuracy, nor did effects align with our primary hypotheses or previous research. Preregistration This study was not preregistered.

ABSTRACT Background Obsessive-Compulsive Disorder (OCD) is a psychiatric condition leading to significant distress and poor quality of life. Successful treatment of OCD is restricted by the limited knowledge about its pathophysiology. This study aimed to investigate the pathophysiology of OCD using electroencephalographic (EEG) event related potentials (ERP), elicited from multiple tasks to characterise disorder-related differences in underlying brain activity across multiple neural processes. Methods ERP data were obtained from 25 OCD patients and 27 age- and sex-matched healthy controls (HC) by recording EEG during Flanker and Go/Nogo tasks. Error-related negativity (ERN) was elicited by the Flanker task, while N200 and P300 were generated using the Go/Nogo task. Primary comparisons of the neural response amplitudes and the topographical distribution of neural activity were conducted using scalp field differences across all time points and electrodes. Results Compared to HC, the OCD group showed altered ERP distributions. Contrasting with the previous literature on ERN and N200 topographies in OCD where fronto-central negative voltages were reported, we detected positive voltages. Additionally, the P300 was found to be less negative in the frontal regions. None of these ERP findings were associated with OCD symptom severity. Conclusions These results indicate that individuals with OCD show altered frontal neural activity across multiple executive function related processes, supporting the frontal dysfunction theory of OCD. Furthermore, due to the lack of association between altered ERPs and OCD symptom severity, they may be considered potential candidate endophenotypes for OCD.

Objectives: Previous research has demonstrated that mindfulness meditation is associated with a variety of benefits, including improved mental health. Researchers have suggested these benefits may be underpinned by differences in neural oscillations. However, previous studies measuring neural oscillations have not controlled for non-oscillatory neural activity, the power spectrum of which follows a 1/f distribution and contributes to power measurements within oscillation frequencies of interest. In this study, we applied recently developed methods to determine if past findings related to neural oscillations in meditation are present even after controlling for non-oscillatory 1/f activity. Methods: 48 experienced meditators and 44 non-meditators provided resting electroencephalography (EEG) recordings. Whole scalp EEG comparisons (topographical ANOVAs) were used to test for differences between meditators and non-meditators in the distribution or global power of activity for theta, alpha, beta, and gamma oscillations, and for the 1/f components slope and intercept. Results: Results indicated that meditators showed differences in theta, alpha, and gamma oscillatory power compared to non-meditators (all p < 0.05). Post-hoc testing suggested that the oscillatory differences were primarily driven by differences in the distribution of neural activity between meditators and non-meditators, rather than differences in the overall power across all scalp electrodes. Conclusion: Our results suggest that experience with meditation is associated with higher oscillatory power and altered distributions of theta, alpha and gamma oscillations, even after controlling for non-oscillatory 1/f activity. Band-specific differences in oscillatory activity may be a mechanism through which meditation leads to neurophysiological benefits.