使用 ICLabel 的自动 EEG 独立成分分类
信号处理
2024-11-28 v1 机器学习
神经元与认知
摘要
ICLabel 是 EEGLAB 中最广泛使用的 EEG 数据处理软件中的一个重要插件函数。利用独立成分分析 (ICA) 分解数据后，对结果独立成分 (ICs) 进行 ICLabel 分类，是处理 EEG 数据的强大方法。虽然 EEGLAB 流程支持运行开源 Octave 解释器的高性能计算 (HPC) 平台，但由于其专用神经网络架构，ICLabel 插件与 Octave 不兼容。为增强跨平台兼容性，我们开发了一个使用标准 EEGLAB 数据结构的 Python 版本的 ICLabel。我们将 ICLabel 的 MATLAB 与 Python 实现与来自 14 名受试者的数据进行比较。ICLabel 返回每个 ICA 成分的 7 类成分分类概率。Python 与 MATLAB 之间的返回 IC 分类几乎完全相同，分类百分比差异低于 0.001%。
引用
@article{arxiv.2411.17721,
title = {Automatic EEG Independent Component Classification Using ICLabel in Python},
author = {Arnaud Delorme and Dung Truong and Luca Pion-Tonachini and Scott Makeig},
journal= {arXiv preprint arXiv:2411.17721},
year = {2024}
}