在使用VDD和赫斯特指数的EEG信号中识别眼部人工物

科学领域:

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

背景情况:

• 电脑电图 (EEG) 记录经常被生理工件,特别是眼部工件 (OA) 污染.
• 来自眼睛运动的OA在前额脑电图中表现出高幅度和明显的模式,掩盖了真正的脑活动.
• 准确分析长时间的EEG数据是具有挑战性的,因为OA占主导地位,阻碍了神经信号的辨别.

研究的目的:

• 开发和介绍一种新的框架,用于检测和纠正EEG信号中的眼部人工物.
• 通过有效删除OA来提高EEG数据的质量.
• 为了减少与EEG信号处理中人工物移除相关的时间复杂性.

主要方法:

• 拟议的框架使用更高阶统计 (HOS) 准确识别眼部文物.
• 变量模式分解 (VMD) 是用于纠正和删除已识别的OA的主要方法.
• 综合的HOS-VMD方法旨在改善信号噪声比 (SNR) 并减少计算时间.

主要成果:

• 该框架实现了14.2dB的显著信号噪声比 (SNR).
• 平均绝对误差 (MAE) 记录在0.09,表明在文物校正中高准确度.
• 峰值信号噪声比 (PSNR) 达到33.59dB,证明了基于VDM的校正的有效性.

结论:

• 与现有方法相比,开发的HOS-VMD框架在眼部人工物校正方面表现出卓越的性能.
• 该研究强调了将HOS和VMD结合起来,在EEG中进行强大的工件处理的有效性.
• 提出的方法为提高EEG数据分析的可靠性提供了一个有希望的解决方案.