SPAR-EEG：面向单通道脑电图的分通路伪迹选择性衰减自包含框架

《IEEE Transactions on Neural Systems and Rehabilitation Engineering》：SPAR-EEG: Selective Pass-Wise Artifact Reduction for Wearable Single-Channel EEG Denoising

　　单通道脑电图（EEG）在可穿戴神经技术和脑机接口（BCI）应用中颇具吸引力，包括辅助接口和临床监测，但当无法使用辅助通道、伪迹标签或用户选择的全干基线段时，伪迹抑制将十分困难。我们提出了SPAR-EEG，一个用于单通道EEG中分通路伪迹选择性衰减的自包含框架。该框架对每个EEG纪元施加三个伪迹特异性衰减通路：基于变分模态分解（VMD）的通路用于高频肌电（EMG）爆发，基于奇异谱分析（SSA）的通路用于类眨眼的脑电图（EOG）瞬态，以及基于SSA的通路用于缓慢的运动相关漂移。与全局拒绝分量不同，每个通路直接从输入通道估计伪迹主导区域和衰减强度。SPAR-EEG采用受控的EEGdenoiseNet和PhysioBank基准、通路消融实验、任务锁定的事件相关电位（ERP）保留、运行时诊断、干电极运动EEG以及仅使用FP1和FP2通道的下游快速序列视觉呈现（RSVP）/P300拼写器任务进行评估。在26个EEGdenoiseNet输入信噪比（SNR）水平上，针对EMG、EOG以及EOG+EMG联合污染，与所测试的小波、经验模态分解（EMD）以及伪迹标签引导的小波分位数归一化（WQN）基线相比，其伪迹区域SNR平均改善量最大（分别为9.05、8.28和8.00 dB）。在运动EEG中，去噪降低了高幅度伪迹负担，并提高了alpha和稳态视觉诱发电位（SSVEP）频谱显著性指标。在P300验证中，完整SPAR-EEG序列将重复曲线曲线下面积（AUC）提高了0.048（Holm校正后p = 0.0069），并将最终的Letter@15准确率提高了7.8个百分点。这些结果表明，伪迹特异性……显示更多