改进版罗曼蒂克土豆场：面向EEG的人工噪声自动剔除方法
信号处理
2025-09-12 v1
摘要
脑电图（EEG）信号清洗一直是研究社区面临的关键挑战。噪声的存在会显著降低EEG数据质量，使分析复杂化，可能导致错误的解释。虽然已提出多种噪声剔除方法，但金标准仍是人工专家通过视觉检查进行手动检查——该过程耗时、主观且不适用于大规模EEG研究。现有技术常受制于对手动调参的强烈依赖、对离群值的敏感性以及高计算成本。本文引入改进版罗曼蒂克土豆场（iRPF），这是一种快速且完全自动化的EEG噪声剔除方法，旨在解决当前方法的关键局限性。我们使用两个公开的EEG数据库进行评估，这些数据库标注了各种类型的噪声，包含 226 条EEG记录。我们的结果表明，iRPF 在所有指标上均优于所有竞争方法，其中在召回率上提升最高可达 22%，特异度提升 102%，精确度提升 54%，F1 分数提升 24%。统计分析确认了这些改进的显著性（p < 0.001），且在大多数比较中效应大小（Cochran's d > 0.8）均较大。此外，在典型EEG记录上，iRPF 使用标准笔记本电脑即可在每个 epoch 完成噪声清洗，耗时不足 8 毫秒，凸显其针对大规模EEG数据处理和实时应用的高效性。iRPF 为脑-机接口和临床神经影像应用提供了稳健且数据驱动的噪声剔除解决方案。
引用
@article{arxiv.2509.09264,
title = {Improved Riemannian potato field: an Automatic Artifact Rejection Method for EEG},
author = {Davoud Hajhassani and Quentin Barthélemy and Jérémie Mattout and Marco Congedo},
journal= {arXiv preprint arXiv:2509.09264},
year = {2025}
}