EEG预处理如何塑造解码性能
Roman Kessler1, Alexander Enge2,3, Michael A Skeide2
1Max Planck Institute for Human Cognitive and Brain Sciences, Leipzig, Germany. rkesslerx@gmail.com.
Communications biology
|July 10, 2025
概括
脑电图 (EEG) 预处理显著影响分类性能. 文物校正减少了解码,而特定的过和损害则改善了它,突出了需要仔细选择预处理的需要.
科学领域:
- 神经科学是一个神经科学.
- 机器学习 机器学习
- 信号处理 信号处理
背景情况:
- 脑电图 (EEG) 预处理方法在不同研究中存在很大差异.
- 这些预处理选择对分类性能的影响尚不清楚.
研究的目的:
- 调查不同EEG预处理步骤如何影响解码性能.
- 为了确定哪些预处理参数最能影响分类准确性.
主要方法:
- 使用MNE-Python进行预处理步骤的系统变化 (过,引用,基线校正,detrending,文物校正).
- 在ERP CORE数据集上使用神经网络 (EEGNet) 和时间解析后勤回归的试验智能二进制分类.
- 分析了七个实验,其中有40名参与者.
主要成果:
- 预处理选择显著影响了解码性能.
- 文物校正步骤通常会降低性能,而更高的高通波器切断则会增加性能.
- 基线校正 (EEGNet) 和线性减量 (逻辑回归) 等具体步骤提高了性能,其他效应是实验特异性的.
结论:
- 精心选择EEG预处理步骤对于可靠的解码至关重要.
- 虽然文物校正可能会增加性能,但它可以通过利用噪音来损害可解释性和模型有效性.
- 预处理选择应根据具体的实验和事件相关的潜在组件进行优化.
