基于改进YOLO模型的轻量化脑电图肌电伪影检测方法.pdfVIP

44中生物医学程学Vol.44No.

4卷期国报

February2025

2025年2月ChineseJournalofBiomedicalEngineering

基于改进YOLO模型的轻量化脑电图肌电伪影检测方法

孙鸽林卫红？娄洪伟1韩金波1*

（中国科学院长春光学精密机械与物理研究所，长春130033）

2（吉林大学第一医院神经内科，长春130021)

摘要：脑电图（EEG)已经成为神经科学领域的重要工具，基于人工智能的脑电图分析在脑神经疾病、运动想象

和情绪识别方面有广泛应用。然而，EEG的应用受到低信噪比的限制，特别是癫痫诊断中肌电（EMG）伪影降低了

异常放电特征波形的识别准确率,且现有算法难以实现快速且准确的伪影检测。本研究对YOLO算法进行改进，

以深度可分离卷积作为骨干网络，对网络的输人数据、结果矩阵和损失函数进行调整，以适应多导联的EEG数据，

提出了一种基于改进YOLO模型的轻量化脑电图肌电伪影检测方法。利用临床采集和公开数据集的伪影标注数

据（共4711条）对模型进行训练和测试，其mAP@0.5和mAP@0.5:0.95分别达到了93.7%和79.8%，检测速度

为31.0ms/顿。结果显示，该方法在检测精度和推理速度上优于传统YOLO模型和其他先进算法。同时提升了

EEG信号的信噪比，从而可有效改善EEG在临床判读和智能识别过程中的应用效率和准确性。

关键词：脑电图；肌电伪影；YOLO；深度可分离卷积

中图分类号：R318文献标志码：D文章编号：0258-8021（2025）01-0124-05

LightweightEMGArtifactDetectionMethodBasedonImprovedYOLOModelforEEG

2

SunGelLinWeihongLouHongweilHanJinbol

(ChangchunInstituteofOptics,FineMechanicsandPhysics,ChineseAcademyofSciences,Changchun130033,China)

2(DepartmentofNeurology,TheFirstHospitalofJilinUniversity,Changchun130021,China)

Keywords:electroencephalogram(EMG)artifact;YOLO;depthwis

（EEG)；electromyograme

separableconvolution

引言进展。2022年,Dora等[8]提出了一种基于小波分位

数归一化（waveletquantilenormalization，WQN）的自

脑电图（electroencephalogram，EEG）广泛应用适应单通道EEG伪影去除方法新方法，可自适应地

于神经工程和神经科学研究中，也可作为各种临床减弱不同类型的伪影。2023年，Narmada等[9]提出

应用的诊断和监测工具，如癫痫诊断[]、癫痫发作