EEG-cleanse:在全身运动期间清理脑电图记录的自动化管道
Carolina Rico-Olarte1,2, Bjoern M Eskofier2, Diego M Lopez1
1Telematics Department, Universidad del Cauca, Popayán, Colombia.
MethodsX
|December 1, 2025
概括
从全身运动中获得的脑电图 (EEG) 数据通常是杂的. EEG-cleanse是一种自动化管道,可以有效地去除文物,保存神经信号,用于高质量的移动大脑研究.
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:
- 在全身运动期间收集的脑电图 (EEG) 数据容易受到运动工件的影响,这显著降低了信号质量.
- 现有的预处理方法往往难以有效地去除这些文物,而不会损害有价值的神经信息,特别是在现实世界的动态环境中.
研究的目的:
- 引入EEG-cleanse,这是一个新的,自动化的,模块化的预处理管道,用于清理脑电图 (EEG) 信号.
- 在运动密集的环境中实现高质量的EEG数据采集和分析,无需专门的硬件.
- 确保移动和神经机能学研究的透明和可重复的EEG信号处理.
主要方法:
- 使用EEGLAB工具箱开发了一个基于Python和MATLAB的管道 (EEG-cleanse).
- 集成的运动适应预处理技术与混合标签策略,以保护神经信号.
- 实现了结构化日志记录,并整合了开源工具,用于自动删除文物.
主要成果:
- 在全身运动中的EEG数据中,EEG-cleanse成功地自动删除了全身运动中的人工物.
- 该管道保留了超过70%的录制通道,并平均每次保留了五个与大脑相关的独立组件.
- 性能与最先进的方法相美,即使不需要参考传感器.
结论:
- EEG-cleanse提供了一个强大的解决方案,用于在动态,现实世界的环境中清理EEG信号.
- 该管道支持可复制和高质量的移动EEG研究在运动密集的环境中.
- 为自然主义神经机能学和移动EEG研究提供透明的预处理.
