基于对比度的伪迹去除技术使得在便携式脑电图（ambulatory EEG）中进行微状态分析成为可能

《IEEE Transactions on Biomedical Engineering》：Contrast-based artifact removal enables microstate analysis in ambulatory EEG

基于广义特征分解（GED）的运动伪影去除方法在低信噪比（0.1-5）下表现优异，可有效恢复脑活动（相关系数0.93，RMSE 1.43μV），并提升脑微状态分析（增加10.9%-11.8%），相比ASR和ICA方法更适应超低SNR环境，为自然行为中的神经动态研究提供新工具。

　　

摘要：

目标：脑电图（EEG）技术的最新进展为移动神经成像和现实世界中的人类神经科学研究带来了新的机遇。然而，EEG容易受到多种伪迹的影响，尤其是高幅度运动伪迹的去除非常困难。方法：我们提出了一种使用广义特征分解（GED）进行伪迹去除的新方法，并通过模拟数据和实际行走、慢跑过程中收集的含伪迹的EEG数据对该方法进行了验证，证明了使用清洗后的便携式EEG数据进行大脑微状态分析的可行性。结果：我们发现，在信噪比极低（0.1–5）的条件下，GED依然有效，使用模拟数据时恢复的真实活动的相关性达到了0.93，均方根误差为1.43 μV；而在真实数据中，大脑成分的数量分别增加了10.9个和11.8个。与伪迹子空间重构（ASR）和独立成分分析（ICA）方法相比，GED在极低信噪比下的表现更为优越。利用清洗后的数据，我们能够提取所有任务和会话中的典型EEG微状态，以研究微状态持续时间、出现频率和时间覆盖范围与任务的相关性。我们观察到，在运动状态下，微状态A的持续时间和出现频率增加，微状态B的持续时间也有所增加，而微状态D的出现频率和时间覆盖范围则减少，这表明警觉性提高且视觉处理能力增强。结论：这些发现不仅验证了我们的伪迹去除方法的有效性，还为研究自然状态下的人类神经动态开辟了新的途径。