مقایسه دو روش حذف آرتیفکت های چشمی از سیگنال های EEG با استفاده از جداسازی منابع کور

روش های جداسازی منابع کور BSS به صورت گستردهای برای پردازش و تجزیه و تحلیل داده الکتروانسفالوگرام EEG استفاده می شوند. هدف روش BSS استخراج یک مجموعه اجزاء (منابع) مستقل از یک مجموعه سیگنال های مخلوط شده است. با توجه به این که سیگنال های EEG اغلب با آرتیفکت آلوده می شوند، در این مقاله، یک مطالعه مقایسه ای بین دو روش حذف آرتیفکت الکترواکولوگرام EOG ارایه می شود. روش اول، یعنی شناسایی مرتبه دوم کور بهبود یافته با موجک WSOBI الگوریتم SOBI را با تبدیل موجک گسسته DWT برای حذف خودکار آرتیفکت های EOG از داده EEG استفاده می کند. روش دوم، یعنی SOBI-correlation ، الگوریتم SOBI را برای حذف اجزایی استفاده می نماید که بیشترین همبستگی را با یک کانال EOG مرجع دارند. این دو روش بر روی 18 گروه داده EEG شبیه سازی شده اعمال می شوند کیفیت حذف آرتیفکت توسط محاسبه خطای ریشه دوم میانگین مربعات نسبی RRMSE و ضریب همبستگی میانگین ACC بین سیگنال های EEG پردازش شده و پردازش نشده ارزیابی می گردد. نتایج مطالعه شبیه سازی نشان می دهد که روش WSOBI به صورت موثر آرتیفکت های چشمی را حذف می کند و فعالیت مغزی را بهتر از روش SOBI-correlation حفظ می نماید. از این رو، روش WSOBI به عنوان روش بهتر حذف آرتیفکت چشمی به یک نمونه داده EEG واقعی اعمال می شود.

کلیدواژه ها:

لاتین ، EEG ، EOG ، SOB ، BSS حذف آرتیفکت ، تبدیل موجک گسسته