EEG信号におけるアーティファクト除去の監視されていない方法

目的：脳の活動は、脳波（EEG）によって記録できます。EEGは、脳の活動に関連するマルチチャネル信号です。ただし、EEGはさまざまな望ましくないアーティファクトを提示しています。これらのアーティファクトの除去は、多くの場合、ブラインドソース分離方法（BSS）と主に独立コンポーネント分析（ICA）に基づくものを使用して行われます。ICAベースの方法は、アーティファクトをフィルタリングするための文献でよく受け入れられており、ほとんどの関心のあるシナリオで満足できることが証明されています。私たちの目標は、EEGアーティファクト除去のための一般的で監視されていないICAベースのアルゴリズムを開発することです。 アプローチ：提案されたアルゴリズムは、人間の介入を必要としないアーティファクト関連の独立コンポーネント（IC）を自動的に選択するための新しい監視なしのアーティファクト検出、ICA、および統計的基準を使用します。アルゴリズムは、アーティファクトを使用したシミュレートされたEEGデータと実際のEEGデータの両方を使用して評価されます（SeegおよびAEEG）。アーティファクトに関連するICSの監視されていない選択されていない選択とその他の監視された選択の比較も提示されています。 主な結果：各アーティファクトに関連するICSが自動的に選択されるアーティファクトをフィルタリングするための新しい監督なしICAベースのアルゴリズム。オンラインアプリケーションで使用でき、アーティファクト間で元の情報のほとんどを保存し、さまざまな種類のアーティファクトを削除します。 重要性：アーティファクトをフィルタリングするためのICAベースの方法は、文献で優先されます。この記事の作業は、ICAベースの方法でのICSの自動選択の問題に対処する限り、重要です。選択は監視されず、手動ICS選択または他の方法に関与する学習プロセスを避けます。私たちの方法は、さまざまなタイプのEEGアーティファクトを削除できる一般的なアルゴリズムであり、一部のICAベースのアルゴリズムとは異なり、アーティファクト間でほとんどの元の情報を保持します。アルゴリズム内では、実装されたアーティファクト検出方法にも人間の介入は必要ありません。

OBJECTIVE: The activity of the brain can be recorded by means of an electroencephalogram (EEG). An EEG is a multichannel signal related to brain activity. However, EEG presents a wide variety of undesired artefacts. Removal of these artefacts is often done using blind source separation methods (BSS) and mainly those based on Independent Component Analysis (ICA). ICA-based methods are well-accepted in the literature for filtering artefacts and have proved to be satisfactory in most scenarios of interest. Our goal is to develop a generic and unsupervised ICA-based algorithm for EEG artefacts removal. APPROACH: The proposed algorithm makes use of a new unsupervised artefact detection, ICA and a statistical criterion to automatically select the artefact related independent components (ICs) requiring no human intervention. The algorithm is evaluated using both simulated and real EEG data with artefacts (SEEG and AEEG). A comparison between the proposed unsupervised selection of ICs related to the artefact and other supervised selection is also presented. MAIN RESULTS: A new unsupervised ICA-based algorithm to filter artefacts, where ICs related to each artefact are automatically selected. It can be used in online applications, it preserves most of the original information among the artefacts and removes different types of artefacts. SIGNIFICANCE: ICA-based methods for filtering artefacts prevail in the literature. The work in this article is important insofar as it addresses the problem of automatic selection of ICs in ICA-based methods. The selection is unsupervised, avoiding the manual ICs selection or a learning process involved in other methods. Our method is a generic algorithm that allows removing EEG artefacts of various types and, unlike some ICA-based algorithms, it retains most of the original information among the artefacts. Within the algorithm, the artefact detection method implemented does not require human intervention either.