文物参考多变量逆向回归 (ARMBR):一种新的EEG闪文物去除方法,最小的数据要求

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
• 信号处理 信号处理

背景情况:

• 眼睛的工件,特别是眼,是电脑电图 (EEG) 录音中噪音的重要来源.
• 精确的人工物移除对于可靠的EEG数据分析和解释至关重要.
• 现有的眼器件移除方法在复杂性,数据要求和有效性方面各不相同.

研究的目的:

• 引入一种新,轻量级和数据效率高的方法,用于从EEG中去除眼部人工物.
• 评估拟议方法的性能与已建立的物件移除技术相比.
• 评估该方法在线EEG处理和临床翻译方面的潜力.

主要方法:

• 一个强大的,交叉验证的值程序自动检测眼.
• 一个简化的锁定时间的参考信号与多通道EEG进行回归,以估计头皮投影.
• 性能与MNE的信号子空间投影和向前回归,EEGLab的ICA+ICLabel以及ASR Python实现进行了比较.

主要成果:

• 与多国企业方法相比,拟议的方法在半合成数据上展示了优越的地面真相重建.
• 在半合成数据上,性能与ASR和ICA+ICLabel相比或更好.
• 在真实EEG数据上,该方法显示了有针对性的工件移除,对未受污染的数据和更高频率的影响最小,类似于ICA+ICLabel.

结论:

• 这种新的算法有效地去除眼睛的物体,同时保留重要的神经信号,如与事件相关的潜能.
• 该方法的性能与现有技术相提并论或优于现有技术,其优点是需要最少的训练数据.
• 它的轻量级性质和在线应用的潜力使它成为推进神经工程技术的宝贵工具.