从使用稀疏信号处理和数据特定字典的操作内部记录的局部场势中删除脉冲器件

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:

• 神经记录,特别是局部场势 (LFPs),经常被心电图 (ECG) 或脉冲的高振幅文物损坏.
• 这些文物掩盖了神经模式,阻碍了在手术记录期间对大脑活动的准确分析和视觉检查.

研究的目的:

• 开发和评估一种新的稀疏信号表示策略,用于在手术期间的LFP记录中消除脉冲元件的噪声.
• 通过有效地去除混的人造组件来提高神经数据的清晰度和可靠性.

主要方法:

• 使用K-单数值分解 (K-SVD) 创建数据特定字典的稀疏信号表示方法.
• 由心电图检测到的QRS峰值定的人造物体形态估计.
• 坐标匹配追求 (OMP) 来重建文物组件和除噪的剩余计算.

主要成果:

• 在LFP信号中显著减少脉冲元件振幅.
• 改善了阿尔法和β频段的神经振荡的可视化.
• 在低频带 (<13 Hz) 中可见的信号强度恢复,此前被工件掩盖.
• 报废的LFP数据的信号噪声比率 (SNR) 显著增加.

结论:

• 稀疏信号表示提供了一种有效的方法来消除LFP记录中的脉冲文物.
• 拟议的技术重建了准周期脉冲模板,使得可以计算无文物神经活动.
• 这种方法提高了手术内神经记录的质量,促进了更好的临床解释.