一种深度学习的方法来移除在体电刺激中的文物:从浅层方法到深度神经网络和状态空间模型

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:

• 跨电刺激 (tES) 是一种非侵入性神经调节技术.
• tES在同步电脑电图 (EEG) 记录中产生了人工物,使大脑活动分析复杂化.
• 有效的人工物清除对于在tES期间准确解释EEG数据至关重要.

研究的目的:

• 分析和比较机器学习 (ML) 方法来从EEG中去除tES噪音工件.
• 在不同的tES模式中评估方法性能:跨直流刺激 (tDCS),跨交替电流刺激 (tACS) 和跨随机噪声刺激 (tRNS).
• 为选择基于tES类型的最佳人工物清除技术提供指南.

主要方法:

• 通过将清洁的EEG数据与模拟的tES工件相结合,创建合成数据集.
• 测试11种不同的文物移除技术.
• 在时间和光谱领域使用根相对平均平方误差 (RRMSE) 和相关系数 (CC) 的评估.

主要成果:

• 移除人工物方法的性能在很大程度上取决于tES刺激类型.
• 一个复杂的卷积神经网络 (复杂的CNN) 在tDCS文物移除方面表现出卓越的性能.
• 使用国家空间模型 (SSM) 的多模块网络 (M4) 在tACS和tRNS文物清除方面取得了最佳结果.

结论:

• 该研究为tES文物清除技术建立了一个基准.
• 为研究人员提供实用指南,以根据特定的tES模式选择合适的ML方法.
• 在涉及tES的临床和神经成像应用中更强大的神经动态分析.