在单通道脑电图中使用K-means和Savitzky-Golay-singular Spectrum Analysis混合技术来移除眼器件
Suresh Babu Cherukuri1, Sabitha Ramakrishnan2
1Department of Instrumentation Engineering, Madras Institute of Technology Campus, Anna University, Chennai, India. 21194391449@student.annauniv.edu.
Physical and engineering sciences in medicine
|May 28, 2025
概括
这项研究引入了一种新的混合方法,用于从单通道脑电图 (EEG) 信号中去除眼器件. 该技术有效地保存神经数据,改善了医院外神经病患者和脑机接口应用程序的诊断.
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) 系统记录神经活动,用于诊断神经疾病.
- 眼器件 (电眼图 - EOG) 污染了EEG信号,阻碍了准确的诊断.
- 单通道EEG对于医院外和脑计算机接口 (BCI) 应用至关重要,缺少空间信息,复杂化了文物移除.
研究的目的:
- 提出一种高效的混合方法,用于从单通道EEG中移除眼器件.
- 在移除工件时,为了保持基本的EEG内容.
- 通过提高EEG信号质量,提高神经系统疾病的诊断准确度.
主要方法:
- 开发了一种混合方法,将K-Means集群和Savitzky Golay-Singular频谱分析 (SG-SSA) 结合起来.
- 眼器件被识别,提取,并从杂的EEG信号中减去.
- 该方法使用合成和实时EEG数据进行了验证.
主要成果:
- 与现有技术相比,拟议的混合方法在瞬间去除文物方面表现出优异的性能.
- 实现了平均绝对误差 (MAE) 和相对根平均平方误差 (RRMSE) 的显著降低.
- 该方法成功地在工件时期内保存了有价值的EEG内容.
结论:
- 新的混合K-Means和SG-SSA方法提供了一个有效的解决方案,用于在单通道EEG中移除眼睛眼的文物.
- 这种技术可以改善关键应用的信号质量,如OOH神经监测和BCI.
- 拟议的方法超越了当代的方法在文物清除效率和数据保存.
