用于去除脑电图中眼电伪迹的深度学习去噪方法
图像与视频处理
2020-09-21 v1 机器学习
信号处理
摘要
脑电图（EEG）记录中会遇到许多干扰源，特别是眼动、肌电和心电伪迹。EEG 伪迹的剔除是 EEG 分析中的必要过程，因为此类伪迹会给 EEG 信号分析带来诸多问题。EEG 去噪过程中最具挑战性的问题之一是去除眼电伪迹，因为眼电图（EOG）与 EEG 信号在频域和时域上均存在重叠。在本文中，我们构建并训练了一个深度学习模型来应对这一挑战并有效去除眼电伪迹。在所提方案中，我们将每个 EEG 信号转换为图像输入至 U-NET 模型，该模型是一种通常用于图像分割任务的深度学习模型。我们提出了三种不同方案，并使基于 U-NET 的模型学习纯化受污染的 EEG 信号，类似于图像分割过程。结果证实，我们的其中一种方案能够取得可靠且有前景的精度，降低目标信号（纯净 EEG）与预测信号（纯化 EEG）之间的均方误差。
引用
@article{arxiv.2009.08809,
title = {Deep learning denoising for EOG artifacts removal from EEG signals},
author = {Najmeh Mashhadi and Abolfazl Zargari Khuzani and Morteza Heidari and Donya Khaledyan},
journal= {arXiv preprint arXiv:2009.08809},
year = {2020}
}