基于KICA和MAMA-EMD的眼电伪迹去除方法

作者：张圆圆; 孙炎珺; 李明爱^*

来源：北京生物医学工程, 2022, 41(04): 360-367.

• 脑电信号
• 眼电伪迹
• 核独立分量分析
• 模态分裂
• 掩膜最小弧长经验模态分解

目的 为了准确地分离并去除脑电(electroencephalogram, EEG)信号中的尖峰状眼电(electrooculogram, EOG)伪迹，本文提出一种基于核独立分量分析(kernel independent component analysis, KICA)和掩膜最小弧长经验模态分解(masking-aided minimum arclength empirical mode decomposition, MAMA-EMD)的眼电伪迹去除方法，即KICMME。方法 首先，使用KICA将多通道受污染的EEG信号分离为多个独立分量(independent components, ICs);然后，计算每个IC的峰度值，确定与EOG相关的IC,并利用MAMA-EMD算法对其进一步分解，得到一组固有模态函数(intrinsic mode function, IMF);进而，通过计算各IMF的低频功率占比，识别并剔除与EOG相关性高的IMF;最后，基于MAMA-EMD和KICA的逆变换重构出“纯净”EEG信号。结果 在半模拟和真实脑电两个数据集上进行实验研究，KICMME取得的均方误差和信噪比分别为0.82和12.51 dB,获得的分类准确率和Kappa值分别为91%和0.82。结论 MAMA-EMD能够准确地分离出与EOG相关的IMF分量，使得KICMME可以在保留有用神经信息的同时，最大限度地去除EEG信号中的EOG伪迹，相对现有基于盲源分离的眼电伪迹去除方法具有明显优势。

• 单位
  北京工业大学