查看原文
其他

EEG伪影类型详解和过滤工具的汇总(一)

Rose 脑机接口社区 2022-04-26

在处理脑电图信号(EEG)时,主要关注的问题之一是确保我们记录的数据干净与高信噪比。EEG信号的幅度在微伏范围内,很容易被噪声(称为“伪影”)污染,需要从神经过程中过滤掉它们,以保存我们所需的有价值的信息。在这篇文章中,主要介绍了不同的EEG伪影以及去除它们的主要工具和技术。


1

什么是脑电图伪影?

 


我们的大脑一直在运转。当神经元之间交流时,细胞之间的生物化学交换会产生微小的电活动。从神经元到神经元的单个电信号是不可记录的,但是当数以百万计的神经元同步时,产生的电场可以从头皮测量出来。这些脑电图信号(EEG)在被记录下来之前,通过组织、骨骼和头发传输,到那时,它的振幅非常衰减(Sornmo & Laguna, 2005;Nunez & Srinivasan, 2006)。
我们将“伪影”表示为不是由人脑活动直接产生的EEG信号的任何成分(在某些情况下,由大脑产生的神经过程本身也可能是伪影,但我们在文中跳过它们,因为它们仅限于非常具体的研究背景)。因此,伪影就是系统记录的干扰神经脑电图数据的噪声(Uriguen & Garcia-Zapirain, 2015)。


2

脑电图伪影的类型

 
识别伪影的能力是去除伪影的第一步。EEG伪影可根据其来源进行分类,这些来源可能是生理性的,也可能是人体外部的(非生理的)。最常见的是(Sörnmo&Laguna,2005;Urigüen&Garcia-Zapirain,2015; Clark,1998; Ismal et al.,2016):
生理上的伪影

眼部活动

肌肉活动

心脏活动

汗水

呼吸


非生理/技术伪影

电极弹出

电缆运动

参考放置不正确

交流电和电磁干扰

身体动作


生理上的伪影

眼部活动:

起源:眼睛可以用电偶极子建模,当它移动时它会扭曲该区域的电场。

为什么会影响EEG:这种失真被称为EOG(眼电图)信号,其幅度通常比EEG信号大一个数量级,达到100-200微伏左右。

影响类型:眨眼,横向运动,眼球运动

对时域的影响::眨眼会使额叶区电极上的EEG信号上产生高幅度的快速变化,在靠近眼睛的电极中更明显。眼睛的横向运动也影响额叶区域,但越靠近太阳穴,其作用就越明显。通常,伪影的振幅几乎与注视角度成比例。

对频域的影响:在低频率上的效应,可能与delta和theta波段混淆。



肌肉活

起源:肌肉收缩时会产生电活动。这种活动可以被测量,产生的信号称为肌电图(EMG)。

为什么会影响EEG:肌肉产生的电活动会干扰实际的脑电图活动。我们可以用肉眼观察这些高频伪影。

影响类型:咬紧牙关,脖子和肩膀肌肉紧张,吞咽,咀嚼,说话,吮吸,吸气,做鬼脸,皱眉或打嗝

对时域的影响:我们可以观察到与EEG信号重叠的高频信号。振幅与肌肉收缩的强度有关。

对频域的影响:脑电图beta和gamma波段在高频重叠伪影中的影响


心脏活动

起源:来自心脏的电活动。该信号称为心电图(ECG),但也称为脉冲伪像。

为什么会影响EEG:尽管脑电图的心电图振幅很低,但有时,根据电极的位置或参与者的身体形状,我们会在脑电图信号上看到节律性失真。

影响类型:心脏活动,脉搏

对时域的影响:一种有节奏的模式,与EEG信号重叠的心跳相对应。

对频域的影响:ECG的频率成分与EEG频带频率重叠,因此肉眼难以看到。


汗水

来源:皮肤汗腺

为什么会影响EEG:腺体产生的少量汗水会导致电极的电基线的变化。在剧烈出汗的情况下,它甚至会导致电极之间短路。

影响类型:汗腺,皮肤电位。

对时域的影响:慢波与EEG信号重叠。

对频域的影响:低频伪影与delta和theta波段重叠。


呼吸

起源:呼吸时胸部和头部的运动(吸气/呼气)

为什么会影响EEG:在睡眠记录中更常见,因为如果参与者躺在床上,与呼吸有关的运动会改变电极与头皮之间的接触。

影响类型:吸气,呼气。

对时域的影响:与呼吸节律同步的慢波与EEG信号重叠。

对频域的影响:低频伪影与delta和theta波段重叠。



非生理/技术伪影

电极弹出

起源:由于接触传感器或电极-皮肤接触的自发变化而导致的传感器与头皮之间的接触暂时性故障。

为什么会影响EEG:这是由于头皮和电极之间的接触电势变化所致。

影响类型:电极弹出。

对时域的影响:对EEG信号的突然且通常是高幅度的干扰通常位于单个通道中。

对频域的影响:由于可能产生的畸变范围很大,因此很难确定电极爆裂的特征。


电缆运动

来源:连接电极和放大系统的电缆的运动。

影响的原因:电磁场的变化会在记录的信号以及头皮传感器接触中产生失真。

影响类型:电缆移动,电缆接触。

对时域的影响:这在很大程度上取决于电缆移动的类型。如果运动是有节奏的,则会出现与电缆运动节奏相同的失真重叠的脑电图信号。

对频域的影响:它也取决于运动的类型。如果运动是有节奏的,我们可以发现与EEG不相关的频率峰值。


不正确的参考位置

原点:未放置参考通道或参考通道接触不良。

影响原因:记录的信号不是EEG。

影响类型:未放置参考传感器。

对时域的影响:所有通道中的幅度都急剧变化。正确放置基准后,所有通道将缓慢收敛(滤波效果)为实际的EEG信号。

对频域的影响::在所有通道都有很高的功率,在与脑电无关的脑电信号中也有很高的功率。

 

交流电和电磁干扰

起源:交流电线和设备

为什么会影响EEG:由于电线屏蔽不足或缺乏,信号可能会受到周围的电磁场(如交流电源和电线)的影响。

影响类型:50 Hz或60 Hz。

对时域的影响:可以观察到高频噪声连续重叠脑电图信号。

对频域的影响:在50 Hz或60 Hz附近看到一个大尖峰。具体是50Hz还是60 Hz取决于您所在国家/地区的交流频率标准。


身体动作

起源:身体运动,主要受头部运动影响。

为什么它会影响EEG:移动时(尽管无意间)会影响电极和皮肤之间的接触,并且EEG信号会损坏。

影响类型:头部动作,手臂动作,行走,跑步。

对时域的影响:与运动节奏相对应的暂时慢波。

对频域的影响:影响集中在重叠delta和theta频段的较低频率中。

不用于商业行为,转载请联系后台

若有侵权,请后台留言,管理员即时删侵!

更多阅读

大脑如何表征知识?我们能从中看到现实的本质吗?

[MNE-Python-1]| MNE-Python详细安装与使用

[MNE-Python-2]| MNE中数据结构Raw及其用法简介

[MNE-Python-3]| MNE中数据结构Epoch及其创建方法

[MNE-Python-7]| Python读取.edf文件

[MNE-Python-8]| 参考电极简介

猴子意念打字,有可能敲出莎士比亚全集

Nature子刊:利用闭环脑机接口缓解疼痛感

投稿通道

如何让你的工作让更多人知晓和受益?

脑机接口社区就是这样一个连接学界、

企业界和爱好者的平台渠道。


区鼓励高校实验室、企业或个人在我们平台上分享优质内容。


稿件要求

稿件系个人原创作品,若已在其他平台发表,请明确标注。

稿件一经录取,便提供稿费!

投稿通道

微信扫码,备注:投稿+姓名+单位

微信交流群,请扫码上方微信

(备注:姓名+单位+专业/领域行业)

QQ交流群:913607986

你的每一次在看,我都很在意!

您可能也对以下帖子感兴趣

文章有问题?点此查看未经处理的缓存