利用参考通道独立成分分析去除脑磁图信号中的外部噪声
神经元与认知
2020-01-13 v1 信号处理
摘要
背景：许多脑磁图(MEG)设备除数据通道外，还包含一组远离头部的参考通道，用于提供非脑源磁场的信息。该信息可通过几何方法或最小均方(LMS)方法减去非神经源信号。其中LMS方法往往偏向于较恒定的噪声源，常无法去除间歇性噪声。新方法：为更好地识别并消除外部磁噪声，我们提出直接在MEG参考通道上执行独立成分分析(ICA)。这在多数情况下会产生若干清晰概括具有不同时空模式的外部噪声源的成分。我们提出两种从数据中识别并去除此类噪声成分的算法，在许多情况下可显著改善数据质量。结果：我们使用包含脑源与外部噪声源的正演模型进行仿真。首先应用传统基于LMS的方法，虽去除大量噪声，但仍残留显著部分。在许多情况下，该残留部分可用所提技术去除，且几乎无假阳性。与现有方法比较：所提方法去除了现有基于LMS方法往往不敏感的大量噪声。结论：所提方法以极小的额外计算成本和较低的假阳性概率，补充并扩展了传统的基于参考的噪声校正。任何带参考通道的MEG系统均可从中受益，尤其在存在间歇性噪声源的实验室中。
引用
@article{arxiv.2001.03397,
title = {External noise removed from magnetoencephalographic signal using Independent Component Analyses of reference channels},
author = {Jeff Hanna and Cora Kim and Nadia Müller-Voggel},
journal= {arXiv preprint arXiv:2001.03397},
year = {2020}
}
备注
Accepted for publication in Journal of Neuroscience Methods