DenoiseMamba:一种创新的EEG人工物移除方法,利用Mamba和CNN进行移除

科学领域:

• 神经科学是一个神经科学.
• 生物医学工程 生物医学工程
• 人工智能的人工智能

背景情况:

• 电脑电图 (EEG) 对于监测大脑活动至关重要,但容易受到人工物 (EOG,EMG,ECG) 的影响.
• 人造物降低了EEG信号质量,阻碍了疾病诊断和脑计算机接口 (BCI) 等应用程序.
• 现有的深度学习方法在EEG无声化中与时间依赖性和局部环境作斗争.

研究的目的:

• 介绍DenoiseMamba,这是一个新的深度学习模型,用于有效的EEGdenoising.
• 改善EEG信号中时间依赖性和时空特征的建模.
• 通过卓越的工件抑制,提高基于EEG的应用程序的性能.

主要方法:

• 开发了DenoiseMamba,这是一个包含ConvSSD模块的深度学习模型.
• 集成卷积神经网络 (CNN) 具有结构化状态空间二元性 (SSD) 机制.
• 用三个半模拟数据集进行全面的模型评估.

主要成果:

• 与现有方法相比,DenoiseMamba显示出更高的EEG重建精度.
• 有效地抑制了电眼图 (EOG),电肌图 (EMG) 和心电图 (ECG) 的文物.
• 在消除噪音的同时保留了关键的EEG信号细节.

结论:

• DenoiseMamba提供了一个有前途的解决方案,用于强大的EEG器件移除.
• ConvSSD模块有效地捕捉了本地和全球的时空特征.
• 这一进步可以显著提高基于EEG的技术的可靠性和性能.