一种基于ICA的人工物抑制方法,用于在线提取TMS唤起的潜能:向超越运动皮层的闭环TMS-EEG应用

科学领域:

• 神经科学
• 生物医学工程
• 信号处理

背景情况:

• 在神经科学中,跨磁刺激 (TMS) 与脑电图 (EEG) 相结合至关重要.
• TMS-EEG信号容易产生人工物,特别是在侧面皮质区域,阻碍实时分析.
• 对于闭环应用,现有的方法难以快速提取TMS唤起的潜力 (TEP).

研究的目的:

• 开发和验证基于TMS-EEG信号的实时两步独立组件分析 (ICA) 的工件清洗方法.
• 促进清洁神经信号的快速提取以实现闭环神经刺激.
• 评估在不同皮层区域进行可靠的ICA训练所需的最低试验数量.

主要方法:

• 一个离线的ICA训练阶段通过实验前试验来确定ICA重量和文物地形.
• 在线阶段将预先计算的重量矩阵实时应用于输入的TMS-EEG数据.
• 现有TMS-EEG数据集的模拟验证了该方法的可靠性和组件稳定性.

主要成果:

• 在适当的数据考虑下,ICA可以在不同的皮质区域中可靠地应用.
• 中部地区需要20至30次培训试验才能获得可靠的TEP,而前部/后部地区则需要50至60次试验.
• 在至少35个训练试验中,获得了较晚TEP峰值 (> 100毫秒) 的高可重复性.

结论:

• 在TMS-EEG中实时基于ICA的文物删除的可行性和概念验证.
• 该方法可以快速提取清洁的神经信号以进行自适应的神经刺激.
• 通过实时信号处理促进个性化神经刺激范式的发展.