OVME-REG:基于哈里斯·霍克斯优化算法,优化了对眼睛眼的变化模式提取,从EEG信号中删除了眼器件
Bommala Silpa1, Malaya Kumar Hota2
1Department of Communication Engineering, School of Electronics Engineering, Vellore Institute of Technology, Vellore, 632014, Tamil Nadu, India.
Medical & biological engineering & computing
|December 18, 2023
概括
这项研究引入了一种优化的变异模式提取 (OVME) 方法,通过元启发算法增强,以有效地从电脑电图 (EEG) 记录中删除眼器件. OVME-REG方法显著改善了文物抑制,同时保留了关键的EEG数据.
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:
- 脑电图 (EEG) 的记录对于诊断大脑疾病至关重要.
- 眼器件经常会污染EEG信号,导致误解.
- 像变量模式提取 (VME) 这样的现有方法很有希望,但需要最佳的参数调整.
研究的目的:
- 开发一个优化的VME (OVME) 算法,用于精确地检测EEG中的眼器件.
- 通过将回归分析 (REG) 与OVME集成来增强文物移除.
- 评估拟议的OVME-REG方法在基准EEG数据集上的有效性.
主要方法:
- 利用粒子集群优化和哈里斯·霍克斯优化来确定最佳的VME参数.
- 开发了优化变量模式提取 (OVME) 来隔离人工模式.
- 应用回归分析 (REG) 来从EEG段中过识别的眼器件.
主要成果:
- OVME-REG方法在抑制单次和重复的眼器件方面表现出卓越的性能.
- 实现了高相关系数 (高达93.08%) 和高结构相似度指数 (SSIM) (高达0.892).
- 展示了低根平均平方误差 (RMSE) 值 (低至0.379) 和减少计算时间.
结论:
- 拟议的OVME-REG算法有效地优化VME参数,以实现可靠的眼器件移除.
- 与现有技术相比,这种方法提供了更好的准确性和数据保存.
- 在EEG信号质量提升方面,OVME-REG方法是显著的进步.
