适应光束成型:一种强大而灵活的方法,可以从TMS-EEG数据中去除各种类型的文物

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:

• 脑电图 (EEG) 与跨磁刺激 (TMS) 结合,提供了对皮层反应和连接性的洞察.
• 在TMS引起的EEG中,高振幅的工件需要强大的工件去除才能进行可靠的解释.
• 目前的文物移除方法缺乏统一的方法,这使得算法选择具有挑战性.

研究的目的:

• 引入基于光束成型的统一数据清理框架,用于TMS-EEG人工物清除.
• 为了增强对不同类型的文物进行算法选择和适应.
• 提高TMS-EEG数据处理的效率和灵活性.

主要方法:

• 开发基于光束成形的统一空间过框架.
• 调整光束成型以实现和定制现有方法,如ICA,SSP和SOUND.
• 使用模拟和测量TMS-EEG数据与各种器件类型 (肌肉,眼睛,外围,通道噪声) 的验证.

主要成果:

• 根据文物和数据属性,证明了光束成型的适应性,用于基于文物和数据属性的定制EEG清洁.
• 通过beamforming实现,展示了像SOUND这样的算法显著的速度提升.
• 成功适应光束成型,有效地去除TMS引起的肌肉工件,眼部工件,外围反应和通道噪声.

结论:

• 基于光束成型的框架为TMS-EEG人工物清除提供了多功能和高效的解决方案.
• 这种方法提高了文物抑制算法的选择,适应性和计算速度.
• 在TMS-EEG研究中更可靠地分析神经元活动.