基于深度网络和自适应阈值的脑电信号分类和伪影消除

摘要：脑电信号等生理信号在采集和处理过程中经常受到伪影干扰。其中一些伪影可能会恶化与有意义信息相关的信号的基本属性。这些伪影大多是由于人们在获取过程中不自觉的运动或动作而产生的。因此，建议使用信号处理的方法消除这些伪影。本文提出了两种伪影的分类和消除机制。第一阶段使用定制的深度网络对干净的脑电信号和伪影信号进行分类。分类是在特征层上进行的，使用卷积层提取公共空间模式特征，然后使用支持向量机分类器对这些特征进行分类。在第二阶段，对伪影信号进行经验模态分解，并提出自适应阈值消除机制。在该迭代机制中，每个固有模态分解的阈值都会发生改变。

关键词：伪影消除，深度网络，脑电信号分类，经验模态分解

扫描二维码全文浏览

Cite this article

Mathe, M., Mididoddi, P. & Battula Tirumala, K. Electroencephalogram Signal Classification and Artifact Removal with Deep Networks and Adaptive Thresholding. J. Shanghai Jiaotong Univ. (Sci.) 30, 693–701 (2025). https://doi.org/10.1007/s12204-023-2609-8

转载本文请联系原作者获取授权，同时请注明本文来自黄龙旺科学网博客。

链接地址：https://wap.sciencenet.cn/blog-45888-1505175.html?mobile=1

收藏

分享