iCanClean 从幻影EEG中删除了运动,肌肉,眼睛和线路噪声的人工物

科学领域:

• 神经科学是一个神经科学.
• 生物医学工程 生物医学工程
• 信号处理 信号处理

背景情况:

• 头皮脑电图 (EEG) 对于监测大脑活动至关重要.
• 移动EEG研究受到非大脑人工物 (例如,肌肉,眼睛运动,运动) 的挑战.
• 现有的文物移除方法在现实世界中与多个同时出现的文物作斗争.

研究的目的:

• 为了评估一种新的物件去除技术,iCanClean,用于移动EEG.
• 评估iCanClean在保护大脑信号的有效性,同时去除各种文物.
• 为了比较iCanClean与已建立的文物移除方法.

主要方法:

• 开发了一个导电幻象头模型,模拟了大脑和文物来源.
• 在六个工件条件下测试了iCanClean和三个比较方法 (ASR,Auto-CCA,自适应过).
• 使用基于大脑源-通道相关性的数据质量评分来量化数据质量.

主要成果:

• 在所有工件条件下,iCanClean显著优于ASR,Auto-CCA和自适应过.
• 在所有文物存在的情况下,iCanClean将数据质量评分从15.7%提高到55.9%.
• 在相同的条件下,比较方法的改善幅度要小得多 (例如,ASR为27.6%).

结论:

• iCanClean在移动EEG数据中删除多个工件方面表现出卓越的性能.
• 这种方法有效地保留了潜在的大脑活动.
• iCanClean有可能推进实时移动脑成像研究.