IC-U-Net：一种基于独立分量混合的 U-Net 去噪自编码器用于自动 EEG 伪迹去除
信号处理
2021-11-23 v2 机器学习
摘要
脑电图（EEG）信号常被伪迹污染。开发实用可靠的伪迹去除方法以防止神经信号误读与脑机接口性能下降十分必要。本研究开发了一种新的伪迹去除方法 IC-U-Net，其基于 U-Net 架构，用于去除普遍存在的 EEG 伪迹并重建脑源。IC-U-Net 使用由独立分量分析分解的脑源与非脑源混合进行训练，并采用损失函数集成来建模 EEG 记录中的复杂信号波动。在模拟研究以及静息、驾驶和行走时采集的三个真实世界 EEG 数据集中，所提方法在恢复脑源与去除各类伪迹（如眼眨/眼动、肌电活动、工频/通道噪声）方面的有效性得到证明。IC-U-Net 用户友好且公开可用，无需参数调优或伪迹类型指定，且对通道数无限制。鉴于移动场景下对自然脑动态成像的需求日益增长，IC-U-Net 为自动去除 EEG 记录中伪迹提供了一种有前景的端到端解决方案。
引用
@article{arxiv.2111.10026,
title = {IC-U-Net: A U-Net-based Denoising Autoencoder Using Mixtures of Independent Components for Automatic EEG Artifact Removal},
author = {Chun-Hsiang Chuang and Kong-Yi Chang and Chih-Sheng Huang and Tzyy-Ping Jung},
journal= {arXiv preprint arXiv:2111.10026},
year = {2021}
}