Применение медианной фильтрации для очистки сигналов электроэнцефалограмм от окулярных артефактов

Автор: Ляхов П.А., Киладзе М.Р.

Журнал: Инфокоммуникационные технологии @ikt-psuti

Рубрика: Новые информационные технологии

Статья в выпуске: 1 т.19, 2021 года.

Бесплатный доступ

Электроэнцефалография является самым простым способов записи активности головного мозга, однако при этом возникают артефакты, которые влияют на интерпретацию сигналов электроэнцефалограммы. В статье предложен метод медианной фильтрации для очистки сигналов ЭЭГ. Проведено сравнение методов очистки от глазодвигательных артефактов с помощью медианной фильтрации и адаптивного алгоритма на основе вейвлетов Хаара, Добеши и коифлетов. Предложенный метод медианной фильтрации, примененный к сигналам электроэнцефалограммы, показал хороший результат в сравнении с известным адаптивным методом.

Электроэнцефалограмма, электроокулограмма, артефакты, вейвлет-преобразование, медианная фильтрация

Короткий адрес: https://sciup.org/140256288

IDR: 140256288   |   DOI: 10.18469/ikt.2021.19.1.06

Список литературы Применение медианной фильтрации для очистки сигналов электроэнцефалограмм от окулярных артефактов

  • Brain-computer interfaces for communication and control / J.R. Wolpaw [et al.] // Clinical Neurophysiology. 2002. Vol. 113. P. 767-791
  • Reach and grasp by people with tetraplegia using a neurally controlled robotic arm / L.R. Hochberg [et al.] // Nature. 2012. Vol. 485. P. 372-375
  • Virtual typing be people with tetraplegiua using a self-calibrating intracotical brain-computer interface / B. Jarosiewicz [et al.] // Science Translational medicine. 2015. Vol. 7, No. 313. P. 313ra179. DOI: 10.1126/scitranslmed.aac7328
  • Does sample size matter in qualitativa research?: A review of qualitative interviews in is research / B. Marshall [et al.] // Journal of Computer Information Systems. 2013. Vol. 54 (1). P. 11-22.
  • Carlson T., Millan J. del R. Brain-controlled wheelchairs: A robotic architecture // IEEE Robotics & Automation Magazine. 2013. Vol. 20 (1). P. 65-73.
  • Ramsey N.F., Millan J. del R. Brain computer interfaces // Handbook of Clinical Neurology. 2012. Vol. 168. P. 311-328. DOI: 10.1016/B978-0-444-63934-9.00023-8
  • Continuous neural networks for electroencephalography waveform classification / M. Alfaro [et al.] // 2012 VI Andean Region International Conference. Cuenca. 2012. P. 153-156
  • Сотников П.И. Обзор методов обработки сигнала электроэнцефалограммы в интерфейсах мозг-компьютер // Инженерный вестник. 2014. № 10. С. 612-632
  • Московский С.Б., Сергеев А.Н., Лалина Н.А. Очистка сигнала от шумов с использованием вейвлет-преобразования // Universum: Технические науки. 2015. № 2 (15) URL: http://7universum.com/ru/tech/archive/item/1958 (дата обращения: 01.12.2020)
  • Wavelet based de-noising technique for ocular artifact correction of the electroencepahalogram / T. Zikov [et al.] // 24th Int. Conf. IEEE Eng. in Med. Biol. Soc. (Houston, TX). 2002
  • Gratton G., Coles M.G., Donchin E.A. New method for off-line removal of ocular artifact Electroencephalogr // Clin. Neurophysiol. 1983. Vol. 55. P. 468-484
  • Woestenburg J.C., Verbaten M.N. Slangen J.L. The removal of the eye movement artifact from the EEG by regression analysis in the frequency domain // Biol. Psychol. 1983. Vol. 16. P. 127-147
  • Joliffe I.T. Principal Component Analysis. New York: Springer, 1986. 488 p
  • Removal of ocular artifacts from EEG using adaptive thresholding of wavelet coefficients / V. Krishnaveni [et al.] // J. Neural Eng. 2006. Vol. 3. P. 338-346. DOI: 10.1088/1741-2560/3/4/011
  • Червяков Н.И., Ляхов П.А., Оразаев А.Р. Два метода адаптивной медианной фильтрации импульсного шума на изображениях // Компьютерная оптика. 2018. Т. 42, № 4. С. 667- 678. DOI: 10.18287/2412-6179-2018-42-4-667-678
  • Quantitative evaluation of techniques for ocular artifact filtering of EEG waveforms / L. Vigon [et al.] // IEEE Proc. Sci. Meas. Technol. 2000. Vol. 147. P. 219-228
  • Croft R.J., Barry R.J. Removal of ocular artifact from the EEG: a review // Clin. Neurophysiol. 2000. Vol. 30. P. 5-19
  • Zhang X.P., Desai M.D. Adaptive denoising based on SURE risk // IEEE Signal Process. 1998. Lett. 5. P. 265-267
  • Червяков Н.И, Ляхов П.А, Оразаев А.Р. Применение медианных фильтров с взвешенным центральным элементом для очистки изображений от импульсного шума // Инфокоммуникационные технологии. 2017. Т. 15, № 4. C. 325-337. DOI: 10.18469/ikt.2017.15.4.03
  • Медианная фильтрация. Национальная библиотека им. Н.Э. Баумана (Bauman National Library). URL: https://ru.bmstu.wiki (дата обращения: 05.01.2021)
  • Антипов О.И., Захаров А.В., Пятин В.Ф. Сравнение возможностей фрактальных методов обработки ЭЭГ для обнаружения изменения в активности головного мозга при разной внешней освещенности // Инфокоммуникационные технологии. 2014. T. 12, № 2. C. 57-63
  • Метод удаления глазодвигательных артефактов на ЭЭГ человека при распознавании неоднозначного зрительного образа / А.Е. Руннова [и др.] // Управление в медицине и биологии. 2017. № 5. С. 105-112. DOI: 10.15217/issn1684-8853.2017.5.1.5
Еще
Статья научная