VME-EFD:一种新的框架,可以从单通道EEG中消除电眼镜仪器件

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) 对于诊断神经系统疾病至关重要.
• 脑电图信号往往被来自眼睛运动的电眼图 (EOG) 工件所污染.
• 精确的人工物去除对于可靠的EEG分析至关重要.

研究的目的:

• 引入一个新的VME-EFD框架,以有效地从EEG数据中删除EOG工件.
• 为了提高基于EEG的神经障碍诊断的准确性.
• 为了提高脑电脑接口 (BCI) 应用程序的性能.

主要方法:

• 拟议的VME-EFD框架结合了变量模式提取 (VME) 和实证里埃分解 (EFD).
• EEG信号被VME分解成EEG和EOG组件.
• EFD根据能量和斜率分析了EOG组件,以识别和删除文物级别.

主要成果:

• 与现有方法相比,VME-EFD在模拟中表现出优越的性能.
• 在α频段观察到下根平均平方误差 (RMSE) 和改善的光谱功率差异 (ΔPSD).
• 较高的相关系数 (CC) 表明有效的物件去除,同时保持EEG信号的完整性.

结论:

• VME-EFD框架成功地从EEG信号中删除了EOG人工物.
• 该方法保留了关键的EEG特征,特别是在α频段.
• VME-EFD非常适合提高BCI应用和神经诊断的准确性.