科研之友
微信
新浪微博
Facebook
分享链接
摘要
经颅交流电刺激(transcranial alternating current stimulation, tACS)是一种应用广泛的无创脑刺激方法。由于非线性tACS伪迹的干扰，很难直接获取刺激时神经电活动的真实情况。为此，提出一种自适应变分模式分解(adaptive variational mode decomposition, AVMD)方法用于去除非线性tACS伪迹。该方法利用希尔伯特变换(Hilbert transform, HT)提取伪迹包络，然后利用窗口傅里叶变换(window Fourier transform, WFT)确定VMD分解的模态数。再利用VMD分解原始数据得到多个本征模态信号。最后根据各模态信号的幅度特征重构真实脑电成分。在模拟数据和公开实验数据上测试AVMD方法的性能，分别采用重构脑电与真实脑电之间的相关系数(模拟数据)以及重构脑电和sham脑电统计特征的平均绝对误差(实验数据)进行方法性能评价。结果表明，对于模拟数据，在调幅深度ma∈[0.001,0.01]、相位调制深度mp∈[0.001,0.01]和刺激频率farti∈[10,100]的条件下，重构脑电和真实脑电的平均相关系数分别为0.988 5、0.893 5和0.948 4。对于实验数据，重构脑电和sham脑电之间统计特征的平均绝对误差在刺激频率为11 Hz时分别为0.989 6(峰度)、2.991 8(均方根幅度)、0.175 1(样本熵),在刺激频率为62 Hz时为0.940 7(峰度)、2.473 1(均方根幅度)和0.084 1(样本熵)。与移动叠加平均法(superposition of moving averages, SMA)、自适应滤波法(adaptive filtering, AF)和经验模态分解法(empirical mode decomposition, EMD)相比，AVMD方法表现出更稳定更好的非线性tACS伪迹去除性能。该方法的提出为闭环tACS刺激仪器的开发提供支持。
- 单位
