一种结合新组合的SSA与联合ICA和无监督集群的混合方法,用于从单通道EEG中删除多个文物

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:

• 健行电脑图 (EEG) 信号通常包含诸如电眼图 (EOG),运动图 (MA),电转移和线性趋势 (ESLT) 和电肌图 (EMG) 等文物.
• 这些文物损害了EEG分析的准确性,并可能导致误诊.
• 现有的方法难以同时去除单通道EEG中的各种低频和高频器件.

研究的目的:

• 开发一种新的,自动化的方法,同时从单通道EEG录音中移除多个不同的文物.
• 为了提高EEG信号分析的精度,用于实际应用.

主要方法:

• 采用了一种新的分组单元光谱分析 (SSA) 技术.
• 使用无监督k-means集群控制的盲源分离 (BSS).
• 该方法不依赖统计值来实现增强的自动化.

主要成果:

• 拟议的算法有效地从合成和现实世界EEG数据中删除了各种文物.
• 使用信号对噪声比率 (SNR) 和根平均平方误差 (RMSE) 等指标验证了性能.

结论:

• 新型的分组SSA和k-means BSS方法为单通道EEG中多元物体移除提供了有效和自动化的解决方案.
• 这种方法有可能提高EEG分析的可靠性并减少诊断错误.