利用高阶统计量方法去除认知障碍者EEG数据中的肌电伪迹
信号处理
2019-04-10 v1
摘要
目的：主观认知障碍(SCI)、轻度认知障碍(MCI)和痴呆患者常接受脑电图(EEG)检查，以通过生物学指标评估认知表现期间脑区之间的功能连接和激活区域。EEG记录常受肌电伪迹污染，这掩盖并复杂化了对其的解释。这些肌电伪迹尤其难以从EEG中去除，以便后者用于进一步的临床评估。在本文中，我们提出了一种利用结合二阶和高阶统计信息的方法去除EEG数据肌电伪迹的新途径。对象与方法：在所提出的系统中，EEG信号的肌电伪迹通过使用独立矢量分析(IVA)去除。后者被表述为一种利用二阶和高阶统计信息的通用联合盲源分离(BSS)方法，从而兼具独立成分分析(ICA)和典型相关分析(CCA)的优势。所提出系统中用于IVA的对角化方法基于SCHUR分解进行了重做，提供了一种更快的二阶盲辨识算法，可用于耗时应用。结果：所提出的方法在模拟和真实EEG数据上进行了评估。为了定量检验新方法的性能，采用了两个客观度量。第一个度量是均方根误差(RMSE)，第二个是信噪比(SNR)。结论：所提出的方法满足了在真实模拟EEG数据和认知障碍者脑活动上去除肌电伪迹的需求。
引用
@article{arxiv.1904.04647,
title = {Removing muscle artifacts from EEG data of people with cognitive impairment using high order statistic methods},
author = {Kalogiannis Grigorios and Chassapis George and Tsolaki Magda},
journal= {arXiv preprint arXiv:1904.04647},
year = {2019}
}
备注
9 pages