基于深度自编码器的 EEG 伪影检测与纠正
机器学习
2025-02-14 v1 人工智能
摘要
EEG 信号在健康和疾病状态下都能传递关于脑活动的重要信息。然而，它们本质上噪声频出，这对准确分析和解释构成重大挑战。传统的 EEG 伪影移除方法虽然有效，但常需大量专家介入。本研究提出了LSTEEG（LSTM-based EEG），一种新型基于LSTM的自编码器，用于 EEG 信号的伪影检测与纠正。通过深度学习，特别是LSTM层，LSTEEG能够捕捉序列 EEG 数据中的非线性依赖关系。LSTEEG 在伪影检测和纠正任务上均表现优于其他领先的卷积自编码器。我们的 метод提升了自编码器潜空间的可解释性和实用性，使其能够在数据驱动下实现 EEG 信号的自动化伪影移除。该研究推动了高效精准的多通道 EEG 预处理领域的发展，促进了脑健康应用中自动化 EEG 分析管道的实现与使用。
引用
@article{arxiv.2502.08686,
title = {EEG Artifact Detection and Correction with Deep Autoencoders},
author = {David Aquilué-Llorens and Aureli Soria-Frisch},
journal= {arXiv preprint arXiv:2502.08686},
year = {2025}
}