基于ICA与小波去噪的ADHD脑电图伪像自动化去除方法

本文主要探讨了一种结合独立成分分析（Independent Component Analysis, ICA）和小波去噪技术的自动方法，用于处理注意力缺陷多动障碍（Attention Deficit Hyperactivity Disorder, ADHD）脑电图（Electroencephalogram, EEG）中的伪像问题。作者是Ling Zou、Soukun Xu、Zhenghua Ma、Jieru Lu和Wenjing Su，他们在2012年4月30日提交了该研究，并在同年11月28日接受，最终于2013年1月5日在线发表于Springer Science+Business Media New York。 首先，研究者利用ICA算法对EEG信号进行分析，通过分离原始信号为一组独立成分（ICs），这些ICs代表了不同的信号源，包括神经活动和其他可能的干扰源。ICA的一个关键优势在于它能够有效地将混合信号分解成各个独立的信号流，有助于识别和区分那些由于眼动、肌肉运动或其他未知生理因素产生的噪声或伪影。 接着，论文引入了小波去噪技术应用于已经分解的ICs，这是中间步骤的一部分。小波分析以其在时域和频域上的多分辨率特性，能够更精确地定位和滤除特定频率范围内的噪声，进一步提升信号的质量。 最后，通过对经过小波去噪处理的新ICs应用逆ICA，研究人员得以重构出更为纯净的EEG数据，其中弱的神经活动信号得以从强大的背景噪声中清晰呈现出来。这种方法不仅能够有效地移除眼动伪影、肌肉运动伪影以及部分未知生理干扰，而且在保留神经信号的同时，提高了信号的信噪比，对于ADHD的临床诊断和神经科学研究具有重要意义。 这项研究提供了一种实用且有效的工具，帮助科研人员在处理ADHD EEG数据时，自动去除伪像，从而提高数据的可靠性和分析结果的准确性，为ADHD的神经生物学研究提供了强有力的技术支持。