ICA去除EEG中眼动伪差和工频干扰方法的研究.pdfVIP

_______________________________________________________________________________ ICA 去除 EEG 中眼动伪差和工频干扰方法研究 万柏坤, 朱 欣, 高 扬, 杨建刚，毕卡诗，尹胜琴 （天津大学 精密仪器与光电子工程学院 生物医学工程与科学仪器系,天津 300072） 摘 要: 眼动伪差和工频干扰是临床脑电图(EEG)中常见噪声，严重影响其有用信息提取。 本文尝试采用独立分量分析(Independent Component Analysis, ICA)方法分离 EEG 中此类噪 声。 通过对早老性痴呆症(Alzheimer disease, AD)患者临床 EEG 信号 （含眼动伪差和混入工 频干扰，信噪比仅 0dB ）作 ICA 分析，比较了最大熵(Infomax)、扩展最大熵(Extended Infomax) 等 ICA 算法和奇异值分解(singular value decomposition, SVD)方法的分离效果，证实虽然最 大熵算法可以分离出眼动慢波，但难以消除工频干扰，为此需采用扩展的最大熵算法；并知 ICA 方法在极低信噪比时也有较好的抗干扰性，且在处理非平稳信号时有好的鲁棒性；而常 用的 SVD 技术则略逊一筹；文中还结合近似熵(approximate entropy, ApEn)分析说明利用 ICA 去除干扰后有助于恢复和保持原始 EEG 信号的非线性特征。研究结果表明 ICA 方法在生物 医学信号处理中具有潜在的重要应用价值，值得深入研究和推广。 关键词: 脑电(EEG); 眼动伪差;工频干扰; 独立分量分析(ICA); 最大熵(Infomax); 奇异值分解 (SVD); 近似熵(ApEn ) 4、（英文）题名、作者姓名及所在单位、摘要、关键词： The Method Research of Applying Independent Component Analysis To Remove Blink Artifacts and Power Noise WAN Baikun, ZHU Xin, GAO Yang, YANG Jiangang, Dhakal Bikash, YIN Shengqin (Department of Biomedical engineering Science Instrument, College of Precision Instrument Opto-electronics in Tianjin University, Tianjin 300072, China) Abstract: Blink artifacts and power noise are constantly found in EEG signals, whose acquisition and analysis can be strongly influenced by them. By comparing the efficiencies of two ICA algorithms—Infomax-ICA 、Extended-Infomax-ICA and SVD methods in extracting blink artifacts and power noise in the EEG signals, ICA algorithms are insensitive to disturbance in the conditions of low signal-noise-ratio, while the commonly used SVD method does not do so well. And ICA algorithms have a strong