SVMおよびウェーブレット-ICAを用いたEEGアーチファクトの自動分類と除去

脳の電気活動の記録は、脳波計（EEG）によって行われますが、しばしば信号アーチファクトによって汚染されます。臨床診断や脳-コンピュータインターフェースアプリケーションのために、EEGアーチファクトの自動除去手順が頻繁に求められています。近年、独立成分分析（ICA）と離散ウェーブレット変換の組み合わせが、EEGアーチファクト除去の標準技術として導入されました。しかし、ウェーブレット-ICA手順を実行する際には、EEG信号内のアーチファクト成分を特定するために、視覚的検査または任意の閾値処理が必要となる場合があります。私たちは、事前訓練されたサポートベクターマシン（SVM）を使用して、ウェーブレット-ICAによって分離されたアーチファクト成分を特定するための新しいアプローチを提案します。私たちの方法は、任意の閾値処理を適用することなく、EEG信号からアーチファクトの完全自動識別と除去を可能にする、堅牢で拡張可能なシステムを提供します。目のまばたきアーチファクトによって汚染されたテストデータを使用して、私たちの方法が既存の閾値処理法よりもアーチファクト成分の特定において優れたパフォーマンスを示すことを示します。さらに、SVMと組み合わせたウェーブレット-ICAは、目標アーチファクトを効果的に除去し、EEGソース信号を大部分保持しました。EEG信号の目のまばたきアーチファクトを特定するために、SVMの訓練およびテストデータとして、尖度、分散、シャノンエントロピー、振幅範囲を含む特徴のセットを提案します。この組み合わせ手法は、多チャンネルEEGに存在する複数のタイプのアーチファクトに対応するように拡張可能です。今後の研究で、他のタイプのアーチファクト成分に対応する他の記述的特徴を探求することを展望しています。