面向普适 EEG 伪迹抑制的小波与 EMD/ICA 混合方法
医学物理
2018-03-02 v1 计算工程、金融与科学
生物物理
应用统计
摘要
脑电图（EEG）信号常受非预期伪迹污染，需予以去除才能从中提取有意义的临床信息。通常此类目的需要关于伪迹性质的先验知识。对于普适 EEG 系统，伪迹污染更为显著，因为受试者可自由活动从而引入多种多样与运动相关的伪迹。这使得难以获取其特性的先验知识，导致常规伪迹去除技术往往失效。在本文中，我们探究两种混合伪迹去除算法在普适 EEG 记录场景下的性能：小波包变换后接独立成分分析（WPTICA）以及小波包变换后接经验模态分解（WPTEMD），假设对伪迹不存在先验知识，并将其性能与两种现有伪迹去除算法比较。伪迹清洗性能通过均方根误差（RMSE）与伪迹信号比（ASR）——一种类似于传统信噪比（SNR）的指标——以及观察头皮上归一化功率分布地形图来衡量。先使用半仿真信号进行比较，随后使用商用 19 通道普适 EEG 系统 Enobio 实验采集、被八类伪迹污染的真实 EEG 数据进行比较。我们的探索表明，WPTEMD 不仅在半仿真场景下，而且在含伪迹真实 EEG 数据情况下，都始终给出最佳的伪迹清洗性能。
引用
@article{arxiv.1803.00053,
title = {Hybrid Wavelet and EMD/ICA Approach for Artifact Suppression in Pervasive EEG},
author = {Valentina Bono and Saptarshi Das and Wasifa Jamal and Koushik Maharatna},
journal= {arXiv preprint arXiv:1803.00053},
year = {2018}
}
备注
45 pages, 47 figures