适应过与安装噪声估计 (AFFiNE):在模拟和真实P300数据中进行眼人工物校正
Kevin E Alexander1,2, Justin R Estepp1,3, Sherif M Elbasiouny1,4
1Department of Biomedical, Industrial, and Human Factors Engineering, College of Engineering and Computer Science, Wright State University, Dayton, OH 45435, USA.
Bioengineering (Basel, Switzerland)
|July 27, 2024
概括
AFFiNE是一种新的贝叶斯自适应回归支线方法,可以有效地从脑电图 (EEG) 数据中删除眼睛眼器件. 它保留了P300信号,优于现有的方法,如独立组件分析 (ICA) 和递归最小方形自适应过 (RLS-AF).
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) 信号通常被眼部人工物污染,主要是眼和动.
- 现有的文物校正方法,如独立组件分析 (ICA) 和递归最小平方自适应过 (RLS-AF),已知存在局限性.
- 眼部工件显著扭曲与事件相关的潜力 (ERP),影响神经学研究和临床应用.
研究的目的:
- 介绍和评估AFFiNE,这是一个用于EEG眼部人工物校正的新方法.
- 将AFFiNE的性能与已建立的方法 (ICA和RLS-AF) 进行比较.
- 评估AFFiNE保护潜在神经信号的能力,特别是P300组件.
主要方法:
- 在适应性波器参考噪声上使用贝叶斯适应性回归线 (BARS) 配件开发了AFFiNE.
- 进行了对象校正的P300信号形态,地形和AFFiNE,ICA和RLS-AF的测量进行了比较.
- 利用模拟和真实闪损坏事件相关潜在 (ERP) 数据集进行验证.
主要成果:
- 在所有测试的场景中,AFFiNE成功删除了闪器件,并保留了P300信号,包括RLS-AF失败的场景.
- 在文物移除错误方面,AFFiNE表现出与ICA相当或比ICA更好的性能.
- 这种方法在各种频道密度和记录持续时间中被证明是有效的.
结论:
- AFFiNE是一种强大的眼部人工物校正技术,适合在线EEG分析.
- 该方法适应非静止性和独立于通道密度的适应性使其成为一种多功能工具.
- AFFiNE提供了一种实用且有效的解决方案,用于移除眼器件,特别是在ICA不太适合的场景中.
