BCGGAN：利用生成对抗网络在同步 EEG-fMRI 中去除心冲击伪影
机器学习
2023-09-01 v4
摘要
凭借高时间分辨率和空间分辨率的优势，同步脑电图-功能磁共振成像（EEG-fMRI）采集与分析技术备受关注，并已广泛应用于脑科学诸多研究领域。然而，在脑部 fMRI 过程中，心冲击（BCG）伪影会严重污染 EEG。作为一个无配对问题，BCG 伪影去除目前仍是一项重大挑战。为提供解决方案，本文提出一种新颖的模块化生成对抗网络（GAN）及相应训练策略，通过优化各模块参数来提升网络性能。以此希望提高网络模型的局部表征能力，从而改善其整体性能，并获得用于 BCG 伪影去除的可靠生成器。此外，所提方法不依赖额外参考信号或复杂硬件设备。实验结果表明，与多种方法相比，本文技术能在保留关键 EEG 信息的同时更有效地去除 BCG 伪影。
引用
@article{arxiv.2011.01710,
title = {BCGGAN: Ballistocardiogram artifact removal in simultaneous EEG-fMRI using generative adversarial network},
author = {Guang Lin and Jianhai Zhang and Yuxi Liu and Tianyang Gao and Wanzeng Kong and Xu Lei and Tao Qiu},
journal= {arXiv preprint arXiv:2011.01710},
year = {2023}
}