从多通道EEG中移除眼睛和肌肉人工物,使用改进的空间频率过

科学领域:

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

背景情况:

• 电脑电图 (EEG) 对于临床分析和神经学研究至关重要.
• 脑电图数据容易受到电眼图 (EOG) 和电肌图 (EMG) 等人工物的影响,这阻碍了准确的解释.
• 目前用于EEG消声的盲源分离方法可以导致大量的信息丢失.

研究的目的:

• 引入一个双值取消方法,自动从多通道EEG中删除EOG和EMG文物.
• 为了提高EEG信号质量,同时保持重要的神经信息.
• 提高EEG数据用于临床分析的可靠性.

主要方法:

• 一种双值的化方法,将空间和频率域过结合起来.
• 二级盲识别 (SOBI) 和正规相关性分析 (CCA) 的融合,用于源分离.
• 适应性和固定值用于文物定位和移除,并使用静止波形变换 (SWT) 进行弱文物处理.

主要成果:

• 拟议的方法有效地从EEG数据中消除了EOG和EMG文物.
• 时间域和频域信息在无色化EEG信号中的最大保留.
• 与合成和真实数据集上的现有技术相比,证明了优越的无色化性能.

结论:

• 双值消除方法为EEG提供了改进的工件删除.
• 保存关键的神经信息,提高EEG在临床应用中的实用性.
• 为更准确的神经疾病研究和诊断奠定了可靠的基础.