Repairbads:一种自动和自适应的方法来修复OPM-MEG的坏通道和细分

科学领域:

• 神经科学是一个神经科学.
• 生物物理学的生物物理.
• 生物医学工程 生物医学工程

背景情况:

• 基于光磁计 (OPM) 的磁脑摄影 (MEG) 提供了灵活和可穿戴的优势.
• 在OPM-MEG中传感器位置的不稳定导致不良通道/细分,阻碍数据分析.
• 现有的错误数据修复方法对于OPM-MEG的有限通道和同时错误的段落是不够的.

研究的目的:

• 引入一个自动方法,Repairbads,用于修复OPM-MEG数据中的坏分段和通道.
• 解决当前方法的局限性,特别是在频道较少的OPM-MEG系统中.
• 为了最大限度地减少信号扭曲,同时修复所有类型的坏数据,包括所有频道的同时坏分段.

主要方法:

• Repairbads使用里曼尼土豆结合关节装饰关系来投射出用于坏部分修复的文物组件.
• 一个自适应算法将信号分割成稳定的噪声块,用于后续处理.
• 使用源估计-利用噪声丢弃算法用于修复每个部分内的坏通道.

主要成果:

• 在模拟和真实OPM-MEG数据的五个评估指标中,Repairbads始终优于Autoreject方法.
• 该方法在模拟和真实OPM-MEG数据集中有效地修复了不良数据,信号扭曲最小.
• 与当前OPM-MEG数据的最先进方法相比,Repairbads表现出更高的性能.

结论:

• Repairbads提供了一种可靠和自动化的解决方案,用于修复OPM-MEG数据中的坏分段和通道.
• 该方法能够同时修复所有道的坏分段是一个显著的进步.
• 错误数据修复的自动化减少了人工工作,促进了OPM-MEG的更广泛的采用和临床应用.