基于 AMICA 的脑电记录高效盲源分离最优参数探索
信号处理
2023-11-03 v2
摘要
EEG 在神经科学研究和医疗实践中持续发现多种用途，独立成分分析（ICA）仍是分析 EEG 的重要工具。存在多种用于 EEG 分解的 ICA 算法，过去已对其相对有效性进行了研究。AMICA 被视为比较其他 ICA 算法用于 EEG 分解性能的基准。AMICA 向用户暴露了许多参数以允许对分解进行精确控制。然而，其中若干参数目前往往根据 EEG 界共享的“经验法则”来设置。此处，我们对一组受试者数据运行 AMICA 分解，同时改变某些关键参数。基于两个指标——两两互信息（PMI）和互信息缩减（MIR）——分析了分解的运行时间与质量。给出了选择参数初始值的建议。
引用
@article{arxiv.2309.15388,
title = {An Exploration of Optimal Parameters for Efficient Blind Source Separation of EEG Recordings Using AMICA},
author = {Gwenevere Frank and Seyed Yahya Shirazi and Jason Palmer and Gert Cauwenberghs and Scott Makeig and Arnaud Delorme},
journal= {arXiv preprint arXiv:2309.15388},
year = {2023}
}