CN104905786A - 一种心电伪迹在线去除算法 - Google Patents
一种心电伪迹在线去除算法 Download PDFInfo
- Publication number
- CN104905786A CN104905786A CN201510375734.2A CN201510375734A CN104905786A CN 104905786 A CN104905786 A CN 104905786A CN 201510375734 A CN201510375734 A CN 201510375734A CN 104905786 A CN104905786 A CN 104905786A
- Authority
- CN
- China
- Prior art keywords
- artefact
- algorithm
- peak
- real
- electrocardio
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000004422 calculation algorithm Methods 0.000 title claims abstract description 39
- 238000000034 method Methods 0.000 claims abstract description 15
- 238000011897 real-time detection Methods 0.000 claims abstract description 7
- 238000001514 detection method Methods 0.000 claims abstract description 5
- 230000003044 adaptive effect Effects 0.000 claims description 8
- 210000004556 brain Anatomy 0.000 claims description 8
- 239000002131 composite material Substances 0.000 claims description 7
- 238000011946 reduction process Methods 0.000 claims description 2
- XILIYVSXLSWUAI-UHFFFAOYSA-N 2-(diethylamino)ethyl n'-phenylcarbamimidothioate;dihydrobromide Chemical compound Br.Br.CCN(CC)CCSC(N)=NC1=CC=CC=C1 XILIYVSXLSWUAI-UHFFFAOYSA-N 0.000 claims 1
- 230000005311 nuclear magnetism Effects 0.000 abstract description 4
- 230000008901 benefit Effects 0.000 abstract description 3
- 230000001537 neural effect Effects 0.000 abstract description 3
- 238000004458 analytical method Methods 0.000 abstract description 2
- 230000001360 synchronised effect Effects 0.000 abstract description 2
- 230000008030 elimination Effects 0.000 abstract 1
- 238000003379 elimination reaction Methods 0.000 abstract 1
- 230000011218 segmentation Effects 0.000 description 8
- 230000000694 effects Effects 0.000 description 7
- 238000002474 experimental method Methods 0.000 description 5
- 238000002599 functional magnetic resonance imaging Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000002123 temporal effect Effects 0.000 description 3
- 230000005611 electricity Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000010247 heart contraction Effects 0.000 description 2
- 238000012152 algorithmic method Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 210000004204 blood vessel Anatomy 0.000 description 1
- 230000003925 brain function Effects 0.000 description 1
- 230000002490 cerebral effect Effects 0.000 description 1
- 210000004720 cerebrum Anatomy 0.000 description 1
- 230000008602 contraction Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000012880 independent component analysis Methods 0.000 description 1
- 230000010365 information processing Effects 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000002610 neuroimaging Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000000513 principal component analysis Methods 0.000 description 1
- 230000033764 rhythmic process Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/369—Electroencephalography [EEG]
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/24—Detecting, measuring or recording bioelectric or biomagnetic signals of the body or parts thereof
- A61B5/316—Modalities, i.e. specific diagnostic methods
- A61B5/318—Heart-related electrical modalities, e.g. electrocardiography [ECG]
- A61B5/346—Analysis of electrocardiograms
- A61B5/349—Detecting specific parameters of the electrocardiograph cycle
- A61B5/352—Detecting R peaks, e.g. for synchronising diagnostic apparatus; Estimating R-R interval
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7203—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal
- A61B5/7207—Signal processing specially adapted for physiological signals or for diagnostic purposes for noise prevention, reduction or removal of noise induced by motion artifacts
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7221—Determining signal validity, reliability or quality
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/73—Deblurring; Sharpening
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves
- A61B5/055—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves involving electronic [EMR] or nuclear [NMR] magnetic resonance, e.g. magnetic resonance imaging
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Public Health (AREA)
- Surgery (AREA)
- Veterinary Medicine (AREA)
- General Health & Medical Sciences (AREA)
- Animal Behavior & Ethology (AREA)
- Biophysics (AREA)
- Pathology (AREA)
- Biomedical Technology (AREA)
- Heart & Thoracic Surgery (AREA)
- Medical Informatics (AREA)
- Molecular Biology (AREA)
- Psychiatry (AREA)
- Signal Processing (AREA)
- Cardiology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physiology (AREA)
- Artificial Intelligence (AREA)
- Psychology (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
Abstract
本发明涉及核磁环境下脑电信号的心电伪迹在线去除算法。包括:一、基于可变精度Teager能量算子的R峰实时检测算法,二、基于R峰检测的实时平均伪迹去除算法,三、多通道参考的实时自适应噪声消除算法。该方法主要用于在线去除功能磁共振与脑电信号同步采集时所带来的心电伪迹,为功能磁共振与脑电信号联合分析以及实时神经反馈提供了高质量的信号。该算法可以对心电伪迹进行较好的去除,运算速度快。本发明可以广泛应用在实时功能磁共振与脑电信号的临床与基础研究中,并可产生巨大的社会效益和经济效益。
Description
技术领域
本发明提供一种心电伪迹在线去除算法,属于神经信息处理技术领域,具体是指一种对核磁环境下同步采集的脑电信号中引入的心电伪迹进行在线去除的算法。
背景技术
实时功能磁共振与脑电联合采集(rtfMRI/EEG)是近些年兴起的一种多模态神经成像技术,其中脑电信号(EEG)直接反映神经元的电活动,其时间分辨率可以达到毫秒级别,但空间分辨率较低,而功能磁共振成像(fMRI)的空间分辨率较高,可以达到毫米量级,但时间分辨率较低。EEG与fMRI在时空分辨率上的互补性,使得rtfMRI/EEG能够为脑功能研究提供更为深入和全面的信息。然而,目前传统的EEG/fMRI对采集到的数据还仅限于对离线数据进行分析,而rtfMRI/EEG则可以对采集到的数据进行在线处理,因此可以在线观测大脑活动状态或者进行实时神经反馈,以达到改善大脑特定认知功能的目的。
rtfMRI/EEG首先面临的是伪迹去除问题,其中EEG采集系统向fMRI信号引入的伪迹较小,不会显著影响fMRI成像质量;而核磁扫描系统则会向EEG信号中引入严重的伪迹,其中最为显著的是梯度伪迹和心电伪迹。梯度伪迹由联合采集时磁共振扫描仪不断切换的梯度磁场产生,具有比较规律的周期重复模式,因而比较容易去除。心电伪迹则是由心跳引起的微小头动、头部血管随心跳而产生的扩张和收缩等多种因素导致,它与心跳节律有着明显的相关性,无论功能像的扫描是否进行,心电伪迹都会存在。此外,心电伪迹的形态因被试、脑电通道和磁共振扫描仪的不同而变化,甚至在同一试次同一通道内,随着时间的行进,心电伪迹的形态也会发生变化。因此,这些因素的存在使得心电伪迹成为联合采集中最难以去除的伪迹。
目前,心电伪迹去除算法主要分成两类:波形去除法和空间模式去除法。前者按照一定的方法构造伪迹模板,然后将模板从EEG信号中减除;后者则一般利用独立成分分析或者主成分分析等方法将EEG信号分解,然后剔除其中的伪迹成分,最后再将信号重构还原。然而,现有的心电伪迹去除算法方法仍以离线方法为主,无法满足rtfMRI/EEG中对心电伪迹进行实时去除的要求。
发明内容
为此,本发明提出了一种心电伪迹在线去除算法,它可以对核磁环境下实时获取的EEG信号进行心电伪迹在线去除,在保证伪迹去除效果的前提下,满足rtfMRI/EEG系统的实时要求。
一种心电伪迹在线去除算法,包括:
基于可变精度Teager能量算子的R峰实时检测算法,对心电通道中的R峰位置进行实时检测;
基于R峰检测的实时平均伪迹去除算法,对脑电通道的心电伪迹进行初步的降噪处理;
多通道参考的实时自适应噪声消除算法,利用多通道组合参考通道进一步消除实时平均伪迹去除算法在EEG信号中残余的心电伪迹。
所述的基于可变精度Teager能量算子的R峰实时检测算法,用于实时检测心电(ECG)信号中R峰的位置。实时传输的ECG信号通过滑动窗限定分析的数据长度(一般为10s左右,最优长度可以通过实验来确定),新数据会不断地替换掉窗内已分析的数据。首先将已去除梯度伪迹的ECG信号送入如下的可变精度Teager能量算子中:
Ψk{x(n)}=x(n)2+x(n-k)x(n+k) (1)
通过选择合适的k值,可变精度Teager能量算子可以对ECG信号中的R峰进行增强,同时抑制其他部分。然后,以当前滑动窗长内最大值的2/3为阈值,在可变精度Teager能量算子的输出波形中得到R峰的疑似位置。最后通过与R峰模板的相关性校验来确定R峰的最终位置。
所述的基于R峰检测的实时平均伪迹去除算法,用于初步消除EEG通道中的心电伪迹。按照前面R峰实时检测算法的结果,将当前滑动窗内的EEG信号进行分段,每一个分段的中心在R峰之后的210ms,其长度为中线前后各0.3s,分段的长度由下式计算得出:
其中,L为模板长度,以点数计,n为参加计算的R峰的个数,Ri为第i个R峰间距;除最新的一个分段外,将其余所有的分段进行平均叠加,计算得到一个心电伪迹模板;从最新的分段内减去上一步得到的心电伪迹模板。采用实时平均伪迹去除算法后EEG信号中仍然会存在残余的心电伪迹,
所述的多通道参考的实时自适应噪声消除算法,用于消除EEG通道中的残余心电伪迹。多通道参考的自适应噪声消除算法(multi-channel referenced Adaptive Noise Cancellation,mANC)采用多个心电相关的脑电通道作为参考通道,并组合为复合参考通道,以便更加准确地捕捉伪迹的动态变化,从而提高心电伪迹的去除效果。参考通道选取的基本原则是:1)远离脑电的参考电极,2)左右半球对称分布。以四个参考通道为例,组合算法如下:
其中[α1,α2,α3,α4]是用于四个通道进行组合的系数向量,每一个系数对应于一个参考通道,其具体值由最小二乘算法实时计算得到,以使得p与当前正在处理的EEG通道之间的差异最小。li,j代表第i个参考通道在滑动窗内的第j个点。式(3)中每一行有k个值,代表滑动窗长内的k个点。p为四个参考通道组合在一起之后的复合参考通道,同时作为自适应滤波器的参考信号。自适应滤波器中EEG原信号的估计式如下:
其中xi是正在处理的EEG数据点,w是自适应滤波器的系数矩阵,p是上一步中计算得出的复合参考通道,为去除残余心电伪迹之后的EEG数据点。w(0)为w的初始值,在运算过程中w等自适应滤波器参数都是实时更新的。
本发明的优势在于提供了一种快速有效去除心电伪迹的算法,通过可变精度Teager能量算子和多通道参考的实时自适应噪声消除算法,提高了R峰的检测效果和心电伪迹的去除效果。相较于传统的心电伪迹去除算法,本发明能够更好地估测出EEG通道中残余的心电伪迹的形状,从而可以达到比传统方法更好的去噪效果。
附图说明
图1心电伪迹在线去除算法流程图
图2不同k值下可变精度Teager能量算子的输出结果示意图
图3心电伪迹在线去除算法效果图
具体实施方式
按照图1所示的算法流程图分步骤并结合实验数据来介绍本方法的实施过程。
步骤一、ECG信号中R峰的实时检测:
EEG信号由电极帽上的专用电极采集而得,在对ECG信号进行R峰实时检测之前,与EEG信号处理,首先对ECG信号进行梯度伪迹去除;然后使用可变精度Teager能量算子处理ECG信号,由于k值决定了算法对于待检信号频率的敏感度,且该值与待检信号的频率和实验的硬件环境都有关系,需要通过预实验来确定,图2是一次预实验中随着k的变化,可变精度Teager能量算子输出的变化,随着k的增大,被抑制的其他部分也逐渐增强;之后利用阈值得到R峰疑似位置,通过与R峰模板的相关性校验确定R峰的最终位置;R峰的初始模板通过如下方式获得:在启动核磁设备之前先启动EEG采集系统,EEG设备可以记录到一段不含梯度伪迹的ECG信号;以这一段ECG信号为基础,R峰实时检测算法可以通过平均叠加的方式计算出一个0.5s长度的R峰模板;随着滑动窗的移动,R峰模板不断更新。
步骤二、实时平均伪迹去除算法对EEG通道进行初步处理:
根据步骤一检测的R峰最终位置,对滑动窗内的EEG信号进行分段处理,将这些分段按照R峰的位置对齐,然后叠加平均得到当前通道的心电伪迹模板;最后从最新的EEG信号分段中减去该模板,即可以初步去除心电伪迹。
步骤三、多通道参考的实时自适应噪声消除算法去除EEG通道中的残余伪迹:
将步骤二的处理结果作为mANC算法的输入信号,将所选的四个参考通道进行组合,合成为一个复合参考通道;将此复合参考通道作为自适应滤波器的参考信号;自适应滤波器的输出,即为去除心电伪迹后的EEG信号。心电伪迹去除后的效果对比如图3所示。
Claims (3)
1.一种心电伪迹在线去除算法,其特征在于,利用可变精度Teager能量算子方法,对心电通道中的R峰位置进行实时检测,并根据R峰检测结果,采用实时平均伪迹去除算法和多通道参考的实时自适应噪声消除算法,对脑电通道中的心电伪迹进行降噪处理,从而完成心电伪迹的去除。
2.如权利要求1所述的一种心电伪迹在线去除算法,其可变精度Teager能量算子的R峰实时检测算法在于,利用可变精度TEO算子对心电信号中的R峰进行选择性增强,同时抑制其他部分;利用阈值检测R峰的疑似位置,并对R峰的疑似位置通过相关性检验确定R峰的最终位置。
3.如权利要求1所述的一种心电伪迹在线去除算法,其多通道参考的实时自适应噪声消除算法的特征在于,选取多个心电相关的脑电通道作为参考通道,并组合为复合参考通道,通道组合时的系数由最小二乘法确定,将该复合参考通道作为自适应滤波器的参考信号,消除实时平均伪迹去除算法在脑电信号中残余的心电伪迹。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510375734.2A CN104905786A (zh) | 2015-07-02 | 2015-07-02 | 一种心电伪迹在线去除算法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510375734.2A CN104905786A (zh) | 2015-07-02 | 2015-07-02 | 一种心电伪迹在线去除算法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN104905786A true CN104905786A (zh) | 2015-09-16 |
Family
ID=54075547
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510375734.2A Pending CN104905786A (zh) | 2015-07-02 | 2015-07-02 | 一种心电伪迹在线去除算法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN104905786A (zh) |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106859641A (zh) * | 2017-02-20 | 2017-06-20 | 华南理工大学 | 一种基于自动ica去除eeg信号中核磁伪迹的方法 |
CN107981862A (zh) * | 2017-11-30 | 2018-05-04 | 华南理工大学 | 一种核磁共振环境下的脑信号在线去噪方法 |
CN109222965A (zh) * | 2018-09-21 | 2019-01-18 | 华南理工大学 | 一种同步EEG-fMRI的在线去伪迹方法 |
CN109938725A (zh) * | 2017-12-20 | 2019-06-28 | 北京怡和嘉业医疗科技股份有限公司 | 脑电信号处理方法和系统 |
CN112183331A (zh) * | 2020-09-28 | 2021-01-05 | 南京伟思医疗科技股份有限公司 | 一种对新生儿脑电信号的心电伪差的识别系统和方法 |
CN113040789A (zh) * | 2021-03-17 | 2021-06-29 | 华南理工大学 | 一种同步EEG-fMRI数据采集中核磁伪迹的在线去除方法 |
CN114052752A (zh) * | 2021-10-09 | 2022-02-18 | 复旦大学 | 多通道表面肌电信号中心电qrs波群干扰的滤除方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090227965A1 (en) * | 2008-03-05 | 2009-09-10 | Ravindra Wijesiriwardana | Motion artifacts less electrode for bio-potential measurements and electrical stimulation, and motion artifacts less skin surface attachable sensor nodes and cable system for physiological information measurement and electrical stimulation |
CN101690659A (zh) * | 2009-09-29 | 2010-04-07 | 华东理工大学 | 脑电波分析方法 |
CN104605853A (zh) * | 2015-01-21 | 2015-05-13 | 北京师范大学 | 一种基于脑功能特征的实时神经解码系统 |
-
2015
- 2015-07-02 CN CN201510375734.2A patent/CN104905786A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20090227965A1 (en) * | 2008-03-05 | 2009-09-10 | Ravindra Wijesiriwardana | Motion artifacts less electrode for bio-potential measurements and electrical stimulation, and motion artifacts less skin surface attachable sensor nodes and cable system for physiological information measurement and electrical stimulation |
CN101690659A (zh) * | 2009-09-29 | 2010-04-07 | 华东理工大学 | 脑电波分析方法 |
CN104605853A (zh) * | 2015-01-21 | 2015-05-13 | 北京师范大学 | 一种基于脑功能特征的实时神经解码系统 |
Non-Patent Citations (2)
Title |
---|
J. SIJBERS ET.AL.: "Reduction of ECG and gradient related artifacts in simultaneously recorded human EEG/MRI data", 《MAGNETIC RESONANCE IMAGING》 * |
吴建宁等: "用独立分量分析去除大鼠模型", 《测试技术学报》 * |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106859641A (zh) * | 2017-02-20 | 2017-06-20 | 华南理工大学 | 一种基于自动ica去除eeg信号中核磁伪迹的方法 |
CN106859641B (zh) * | 2017-02-20 | 2019-08-20 | 华南理工大学 | 一种基于自动ica去除eeg信号中核磁伪迹的方法 |
CN107981862A (zh) * | 2017-11-30 | 2018-05-04 | 华南理工大学 | 一种核磁共振环境下的脑信号在线去噪方法 |
CN107981862B (zh) * | 2017-11-30 | 2020-06-19 | 华南理工大学 | 一种核磁共振环境下的脑信号在线去噪方法 |
CN109938725A (zh) * | 2017-12-20 | 2019-06-28 | 北京怡和嘉业医疗科技股份有限公司 | 脑电信号处理方法和系统 |
CN109938725B (zh) * | 2017-12-20 | 2022-03-18 | 北京怡和嘉业医疗科技股份有限公司 | 脑电信号处理方法和系统 |
CN109222965A (zh) * | 2018-09-21 | 2019-01-18 | 华南理工大学 | 一种同步EEG-fMRI的在线去伪迹方法 |
CN112183331A (zh) * | 2020-09-28 | 2021-01-05 | 南京伟思医疗科技股份有限公司 | 一种对新生儿脑电信号的心电伪差的识别系统和方法 |
CN112183331B (zh) * | 2020-09-28 | 2024-04-16 | 南京伟思医疗科技股份有限公司 | 一种对新生儿脑电信号的心电伪差的识别系统和方法 |
CN113040789A (zh) * | 2021-03-17 | 2021-06-29 | 华南理工大学 | 一种同步EEG-fMRI数据采集中核磁伪迹的在线去除方法 |
CN114052752A (zh) * | 2021-10-09 | 2022-02-18 | 复旦大学 | 多通道表面肌电信号中心电qrs波群干扰的滤除方法 |
CN114052752B (zh) * | 2021-10-09 | 2024-03-29 | 复旦大学 | 多通道表面肌电信号中心电qrs波群干扰的滤除方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104905786A (zh) | 一种心电伪迹在线去除算法 | |
CN104706349B (zh) | 一种基于脉搏波信号的心电信号构建方法 | |
CN107669244B (zh) | 基于EEG-fMRI的癫痫异常放电位点定位系统 | |
CN104688220B (zh) | 一种去除脑电信号中眼电伪迹的方法 | |
CN103761424B (zh) | 基于二代小波和独立分量分析肌电信号降噪与去混迭方法 | |
Kotas et al. | Application of spatio-temporal filtering to fetal electrocardiogram enhancement | |
CN104305993B (zh) | 一种基于格兰杰因果性的脑电源定位方法 | |
CN110353665A (zh) | 基于改进的一维U-net的单导心电图信号特征波形检测方法 | |
CN105997043B (zh) | 一种基于腕式可穿戴设备的脉率提取方法 | |
EP1872715B1 (en) | Method and system for multi-channel biosignal processing | |
CN106236080B (zh) | 基于多通道的脑电信号中肌电噪声的消除方法 | |
CN106485208A (zh) | 单通道脑电信号中眼电干扰的自动去除方法 | |
CN112932498B (zh) | 一种基于深度学习的强泛化能力的t波形态分类系统 | |
CN109222965B (zh) | 一种同步EEG-fMRI的在线去伪迹方法 | |
CN112464902B (zh) | 基于多通道多维特征优化的脑电眨眼伪迹检测方法 | |
CN110346743A (zh) | 一种磁共振弥散加权成像方法和装置 | |
CN113576491A (zh) | 基于静息态eeg频域特征及脑网络自动分析方法和系统 | |
CN104305992A (zh) | 一种交互式胎儿心电快速自动提取方法 | |
CN103720471A (zh) | 一种基于因子分析的眼电伪迹去除方法 | |
WO2018023697A1 (zh) | 一种胎儿心电分离方法及装置 | |
CN110916645A (zh) | 一种结合小波变换和图像分割网络的qrs波识别方法 | |
CN106175673B (zh) | 一种自动识别和提取睡眠脑电中纺锤波的方法 | |
CN105816173B (zh) | 大脑功能网络的皮层内工作状态和皮层间工作状态的确定方法 | |
Mayeli et al. | An automatic ICA-based method for removing artifacts from EEG data acquired during fMRI in real time | |
CN110516711B (zh) | Mi-bci系统的训练集质量评估方法和单次训练样本的优化方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20150916 |