基于自回归填充的相位估计（PEAP）：解决EEG分析中的不准确性和偏差
神经元与认知
2026-04-03 v1
摘要
在数据段边缘准确估计相位对于EEG应用（如离线和实时数据分析中的EEG-TMS）至关重要。我们的研究评估了四种常用方法（Phastimate、SSPE、ETP和PhastPadding）在准确性和系统性偏差方面的相位估计性能。为解决既有方法的局限性，我们引入了基于自回归填充的相位估计（PEAP）方法，以防止强带通滤波引起的制造偏差。与既有方法不同，PEAP不显示显著偏差，并在连续相位估计中提高了3.2至9.2%的准确性。我们的离线分析展示了既有方法在某些估计值上的系统性偏差以及相位偏移的引发。我们也表明不同方法之间的差异在临床和对照人群间不变，支持其可迁移性。这一工作表明，既有相位估计方法中的系统性偏差可能损害相位依赖性发现的有效性和可比性。PEAP克服了这些局限性，从而提供了更可靠、更准确的替代方法。
引用
@article{arxiv.2604.02212,
title = {Phase estimation with autoregressive padding (PEAP): addressing inaccuracies and biases in EEG analysis},
author = {Miriam Kirchhoff and Johanna Rösch and Maria Ermolova and Oskari Ahola and Sarah Harders and Juliana Hougland and Ulf Ziemann},
journal= {arXiv preprint arXiv:2604.02212},
year = {2026}
}