通过添加肌电来源去除肌电图（ERASE）——一种基于ICA的从EEG中去除肌电伪迹的新算法（第一部分）
信号处理
2020-07-08 v1
摘要
脑电图（EEG）记录常常受到肌电图（EMG）伪迹的污染，尤其是在运动过程中记录时。现有的去除EMG伪迹的方法包括独立成分分析（ICA）以及其他高阶统计方法。然而，这些方法不能有效去除大部分EMG伪迹。在此，我们提出了一种改进的ICA模型用于从EEG中去除EMG伪迹，称为通过添加肌电来源去除肌电图（ERASE）。在这种新方法中，来自颈部和头部肌肉的真实EMG额外通道（参考伪迹）被作为ICA的输入添加，以“迫使”EMG伪迹的大部分能量进入少数几个独立成分（ICs）。包含EMG伪迹的ICs（“伪迹ICs”）通过自动化流程被识别并剔除。仿真结果表明，ERASE去除EEG中EMG伪迹的效果显著优于传统ICA。随后，我们采集了8名健康受试者在手部运动时的EEG以测试该方法的实际效能。结果显示，ERASE成功去除了EMG伪迹（平均而言，当使用真实EMG作为参考伪迹时约75%的EMG伪迹被去除），同时保留了与运动相关的预期EEG特征。我们还使用模拟EMG作为参考伪迹测试了ERASE流程（约63%的EMG伪迹被去除）。与传统ICA相比，ERASE平均多去除了26%的EEG中EMG伪迹。这些结果表明，使用额外的真实或模拟EMG来源可以提高ICA从EEG中去除EMG伪迹的效果。结合自动化的伪迹IC剔除，ERASE也最小化了潜在的用户偏差。
引用
@article{arxiv.2007.03130,
title = {Electromyogram (EMG) Removal by Adding Sources of EMG (ERASE) -- A novel ICA-based algorithm for removing myoelectric artifacts from EEG -- Part 1},
author = {Yongcheng Li and Po T. Wang and Mukta P. Vaidya and Charles Y. Liu and Marc W. Slutzky and An H. Do},
journal= {arXiv preprint arXiv:2007.03130},
year = {2020}
}