不确定性意识拒绝网络在EEG信号中去除人工物

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:

• 电脑电图 (EEG) 对于大脑活动分析至关重要,但容易产生人工物.
• 脑电图数据中的错误可能导致不准确的分析和误解.
• 现有的文物去除方法在临床采用和有效的信息提取方面面临挑战.

研究的目的:

• 开发一种可靠的深度学习方法,用于自动移除EEG器件.
• 解决当前处理复杂人工数据的方法的局限性.
• 为了提高临床用途的无声化EEG信号的准确性和可解释性.

主要方法:

• 提出了一个不确定性意识的拒绝网络 (UDNet),包括多层次的聚合注意力.
• UDNet 预测了 aleatoric 和 epistemic 的不确定性,以改进特征表示.
• 实现了一种有效的架构,以捕捉多个规模的本地和全球背景.

主要成果:

• 与公共数据集上最先进的方法相比,UDNet模型显示出更高的性能.
• 该方法有效地捕获来自受污染的EEG数据的本地和全球上下文信息.
• UDNet提供了一种可靠的指标,用于识别需要专家审查的低信心时代.

结论:

• UDNet提供了一个强大的解决方案来移除EEG文物,提高信号可靠性.
• 不确定性预测机制有助于识别不可靠的无标段.
• 这种方法促进了自动化EEG器件移除的临床应用.