アンサンブル経験的モード分解とマルチセット典型相関分析に基づく単一チャネルEEGからの筋肉アーチファクトの除去

脳波（EEG）記録はしばしば筋肉アーチファクトに汚染されます。この煩わしい筋活動はEEGの視覚的分析に強く影響し、脳の接続解析などのEEG信号処理の結果を損ないます。マルチチャネルEEG記録が利用可能な場合、これらのアーチファクトの歪み効果を除去または抑制するための手法は多く存在します。しかし、我々の知る限り、単一チャネルEEG記録から筋肉アーチファクトを除去する手段は存在しません。さらに、近年、外来の状況における生体医療信号処理の必要性が高まっていることを考えると、単一チャネル技術の開発は極めて重要です。本研究では、アンサンブル経験的モード分解（EEMD）とマルチセット典型相関分析（MCCA）を組み合わせることで、単一チャネルEEGからの筋肉アーチファクトの除去を達成するシンプルでありながら効果的な方法を提案します。提案した方法の性能を数値シミュレーションと筋肉アーチファクトに汚染された実際のEEG記録への適用を通じて示します。この方法は、記録された基盤となるEEG活動を変更することなく筋肉アーチファクトを成功裏に除去できます。それは実世界の生体医療信号処理アプリケーションのための有望なツールです。