用于重建噪声自由多通道脑电信号的仪器消除变换器
信号处理
2024-09-12 v1 机器学习
摘要
脑电信号(EEG)的仪器消除一直是神经科学分析和脑机接口(BCI)性能的一个长期存在的挑战。解决这一问题需要先进的算法、广泛的带噪声-干净训练数据以及 thorough 的评估策略。本研究提出了仪器消除变换器(Artifact Removal Transformer, ART),一种创新的EEG去噪模型,采用变换器架构来灵活捕捉EEG信号特征的毫秒尺度动态特性。我们的方法提供了一个全面、端到端的去噪解决方案,用于处理多通道EEG数据中各种类型的仪器。我们使用独立成分分析增强了带噪声-干净EEG数据对的生成,以强化有效监督学习中至关重要的训练场景。我们使用来自various BCI应用的广泛开放数据集进行了全面验证,采用均方误差和信噪比等指标,以及source localization和EEG component classification等高级技术。我们的评估确认,ART超过了其他基于深度学习的仪器消除方法,在EEG信号处理方面树立了新的基准。这一进展不仅提高了仪器消除的准确性和可靠性,也为该领域的进一步创新提供了动力,促进了在自然环境中研究大脑动态的可能性。
引用
@article{arxiv.2409.07326,
title = {ART: Artifact Removal Transformer for Reconstructing Noise-Free Multichannel Electroencephalographic Signals},
author = {Chun-Hsiang Chuang and Kong-Yi Chang and Chih-Sheng Huang and Anne-Mei Bessas},
journal= {arXiv preprint arXiv:2409.07326},
year = {2024}
}