基于深度学习的 EEG 中眼伪迹去除
信号处理
2022-09-27 v1 人工智能
机器学习
摘要
EEG 信号是复杂且低频的信号。因此，它们容易受到外部因素的影响。EEG 伪迹去除在神经科学中至关重要，因为伪迹对 EEG 分析结果有显著影响。其中眼伪迹的去除是最具挑战性的。本研究通过开发基于双向长短期记忆（BiLSTM）的深度学习（DL）模型，提出了一种新颖的眼伪迹去除方法。我们通过结合 EEGdenoiseNet 和 DEAP 数据集创建了用于训练和测试所提 DL 模型的基准数据集。我们还通过在各种 SNR 水平下用 EOG 污染真值干净 EEG 信号来增强数据。然后将增强信号中使用小波同步压缩变换（WSST）获得的高度局部化时频（TF）系数提取的特征输入 BiLSTM 网络。我们还将基于 WSST 的 DL 模型结果与传统 TF 分析（TFA）方法即短时傅里叶变换（STFT）和连续小波变换（CWT）以及增强原始信号进行比较。首次提出的基于 BiLSTM 的 WSST-Net 模型获得了 0.3066 的最佳平均 MSE 值。我们的结果表明，与传统的 TF 和原始信号方法相比，WSST-Net 模型显著改善了伪迹去除性能。此外，所提出的 EOG 去除方法显示其优于文献中许多常规和基于 DL 的眼伪迹去除方法。
引用
@article{arxiv.2209.11980,
title = {Removal of Ocular Artifacts in EEG Using Deep Learning},
author = {Mehmet Akif Ozdemir and Sumeyye Kizilisik and Onan Guren},
journal= {arXiv preprint arXiv:2209.11980},
year = {2022}
}
备注
6 pages, 3 figures