脑电信号伪迹去除算法综述

作     者：赵欣 吴建行 王坤 蔡雨 许敏鹏 

作者机构：天津大学医学工程与转化医学研究院 脑机交互与人机共融海河实验室 

出 版 物：《信号处理》 (Journal of Signal Processing)

年 卷 期：2024年

核心收录：

学科分类：0831[工学-生物医学工程（可授工学、理学、医学学位）] 0711[理学-系统科学] 07[理学] 08[工学] 080401[工学-精密仪器及机械] 0804[工学-仪器科学与技术] 080402[工学-测试计量技术及仪器] 0836[工学-生物工程] 

主　　题：脑机接口 伪迹去除 独立成分分析 经验模态分解 深度学习 

摘      要：脑电图(Electroencephalography， EEG)是通过精密放大仪器将脑部微弱的生物电位加以放大记录而获得的图形。因其具有安全无创、成本低廉、时间分辨率高等优点广泛应用于医疗诊断和神经科学研究等领域。然而脑电信号幅值微弱，在采集过程中容易受到外部环境和生理活动的影响，实际获得的脑电信号通常混有大量噪声，其中由被试者生理活动引起的噪声在时域或频域上与脑电信号存在重叠，简单的预处理手段难以将它们分离，因此能够有效去除这些噪声的脑电伪迹去除算法一直是脑机领域的研究热点。传统的伪迹去除算法包括回归、小波变换、经验模态分解、盲源分离等，它们通过信号自身的时频特征或信号间的统计特征进行伪迹分离，在脑电图的应用发展中发挥了重要的作用。然而由于伪迹成分复杂，脑电伪迹去除研究中尚不存在一种可以适用所有情况的去伪迹方法，为实际应用中目标和算法之间的匹配问题带来不必要的选择负担。为此，文中首先总结了伪迹的成因和类别，并探讨了不同生理伪迹的形态特点。之后，对现有的国内外脑电去伪迹方法进行了归纳总结，讨论了不同算法在去除伪迹方面的优缺点及适用性差异，为今后不同领域的研究人员选择适用的脑电伪迹去除算法提供理论依据。最后分析了当前研究存在的一些问题，展望了未来脑电去伪迹研究的发展方向。