基于斜度的离散波段变换和群体分解,用于自动从EEG信号中消除眼部工件
Sayedu Khasim Noorbasha1, A Arunkumar Gudivada2, Raveendra P2
1Department of Electronics and Communication Engineering, Rajeev Gandhi Memorial College of Engineering and Technology, Nandyala, Andhra Pradesh, India.
概括
这项研究引入了一种新的框架,使用基于性的离散波束转换和群体分解来有效地从脑电图 (EEG) 信号中去除眼部工件. 该方法通过在各种频段中保存关键数据来提高生物医学应用的EEG信号可靠性.
科学领域:
- 生物医学工程 生物医学工程
- 信号处理 信号处理
- 神经科学是一个神经科学.
背景情况:
- 眼器件,如眼和眼动,在生物医学应用中大大降低了脑电图 (EEG) 信号的可靠性.
- 现有的文物移除技术在有效消除这些眼界干扰方面往往面临局限性,阻碍了准确的信号分析.
- 需要先进的方法来提高EEG信号质量,特别是实时和可穿戴监控系统.
研究的目的:
- 开发和验证一个新的框架,有效地从EEG信号中去除眼部工件.
- 为了提高EEG信号分析的可靠性和准确性,在存在与眼睛有关的工件的情况下.
- 为临床和移动卫生环境提供适用于EEG人工物减少的强有力的解决方案.
主要方法:
- 集成基于性的离散波形变换 (SDWT) 用于信号分解和群体分解 (SwD) 用于文物组件分析.
- 利用能量和倾斜度指标来识别和隔离在文物部分内的电眼图 (EOG) 组件.
- 采用K-means集群用于自动化EOG识别和对无工件信号段的再组合.
主要成果:
- 与现有方法相比,拟议的SDWT-SwD框架在物件清除方面表现出优异的性能.
- 在α,β和θ频段实现了功率频谱中较低的平均绝对误差 (MAE-PS),表明信号保存更好.
- 在半模拟和实时可穿戴EEG数据集上验证的有效性,包括和健康个体在体育活动期间的记录.
结论:
- 这种新的框架有效地抑制了眼睛的工件,大大提高了EEG信号的可靠性.
- 该方法在临床环境中提高EEG诊断准确性,并使可靠的移动EEG应用程序成为可能.
- 这种方法为研究人员和临床医生使用EEG数据提供了有价值的工具,特别是在具有挑战性的记录环境中.
