Verwijdert EmotivPRO automatisch artefacten uit de verzamelde EEG-gegevens?
Artefacten
Bij het gebruik van EEG-headsets kunnen sommige signalen de metingen van hersengolven verstoren. Deze ongewenste signalen, “artefacten” genoemd, vallen in twee hoofdtypen:
Intrinsieke artefacten: Deze worden veroorzaakt door normale biosignalen die uit je lichaam afkomstig zijn, zoals:
Activiteit van gezichts-, nek- en kaakspieren: Glimlachen, je tanden op elkaar klemmen of fronsen, knipperen, met één oog knijpen, kauwen, spreken, je hoofd draaien (nekspieren). Elke spiergroep bevindt zich dichter bij sommige EEG-sensoren en veel verder van andere, waardoor het signaal dat op elke locatie wordt gedetecteerd verschillend is en de artefacten moeilijker te verwijderen zijn. Emotiv gebruikt in feite signaalverwerking en machinelearningmethoden om de verdeling van spiersignalen te ontwarren en af te leiden welke groepen worden geactiveerd, en zo je gezichtsuitdrukkingen te identificeren!
Oculaire activiteit: Elk van je oogbollen heeft een hoge concentratie zenuwen over het achterste oppervlak (netvlies, oogzenuwen) en bijna geen zenuwen over het voorste oppervlak. In feite werkt je oogbol als een grote dipool met een onbalans in elektrische lading van voor naar achter. Wanneer je ogen in hun kassen draaien, verandert de richting van het dipoolveld en wijst die naar waar je kijkt; dit wordt gedetecteerd als een verandering in de achtergrond-biopotentiaal die onder een andere hoek staat ten opzichte van elke EEG-sensor — wat betekent dat het geen gemeenschappelijk signaal over alle sensoren is. Extra signaalartefacten worden gegenereerd door de spieren die de rotatie van je ogen aansturen.
Cardiale signalen: Je hart is een belangrijke bron van ruwe spiersignalen die soms direct door sommige of alle EEG-kanalen kunnen worden gedetecteerd, op dezelfde manier als waarop een elektrocardiogram wordt geregistreerd. De karakteristieke P-Q-R-S-T-complexen kunnen af en toe direct worden waargenomen in sommige EEG-kanalen. Een tweede type cardiaal artefact ontstaat uit grote bloedvaten die uitzetten en samentrekken terwijl het hart bloed door je slagaders pompt. Arteriewanden zijn musculair en genereren secundaire signalen wanneer ze synchroon met onze hartslag uitzetten en samentrekken. Ten slotte, als je toevallig een sensor direct naast een belangrijke slagader plaatst, kan de sensor mechanisch worden verplaatst door de veranderende vorm en grootte van het vat, wat leidt tot ritmische bewegingen van de sensor over het huidoppervlak die de contactimpedantie kunnen veranderen en schijnspanningen kunnen opwekken in een cyclisch patroon.
Deze acties creëren spier-, oog- en andere biosignalen die zich kunnen mengen met hersengolfdata. Meestal zijn deze biosignalen aanzienlijk groter dan hersensignalen, waardoor detectie van hersenactiviteit moeilijk wordt tenzij een vorm van filtering en bronseparatie wordt toegepast.
Intrinsieke artefacten vallen in specifieke, voorspelbare categorieën en er zijn veel voorbewerkingshulpmiddelen die kunnen worden toegepast om ze selectief te verwijderen. De meest gebruikte methode is Independent Components Analysis (ICA, beschikbaar in veel bibliotheken zoals EEGLab, NME en andere), en Artefact Subspace Reconstruction-methoden (ASR, rASR, computationeel efficiënter dan ICA). Deze modellen berusten op het opsplitsen van een tijdreekssignaal in verschillende componenten, waarna het signaal opnieuw wordt samengesteld uit een subset van deze componenten die niet geassocieerd zijn met verschillende typen artefacten.
Emotiv EEG-data wordt in zo schoon mogelijke vorm aan de host-pc geleverd, maar zonder de intrinsieke biosignaalartefacten te verwijderen die voor verschillende gebruikers interessant kunnen zijn, en wat ook het vermogen van ICA- en rASR-methoden vergroot om bekende klassen intrinsieke artefacten te verwijderen omdat hun signalen niet worden vervormd door filtering op het apparaat.
Extrinsieke artefacten: Deze komen van externe bronnen, zoals:
Sensoren die verschuiven, de headset die op je hoofd beweegt of wordt aangestoten
Uitgestraalde elektrische velden van apparaten, computers en andere apparatuur, transformatoren en elektrische bedrading, met name op de netfrequentie (50/60 Hz) en harmonische veelvouden van deze frequenties. Netruis is vaak de sterkste bron van artefacten in EEG-signalen.
Alle moderne EEG-systemen gebruiken analoog-naar-digitaal-signaalomzetters die op een vaste bemonsteringsfrequentie werken. Een bekend verschijnsel bij digitale bemonstering is aliasing, wat optreedt wanneer het bemonsteringssysteem een signaal tegenkomt met frequentiecomponenten hoger dan 50% van de bemonsteringsfrequentie (de Nyquist-frequentie). Bij bemonstering op 128Hz is de Nyquist-frequentie bijvoorbeeld 64Hz, net hoger dan de 60Hz-netfrequentie. De harmonischen van 60Hz: [120Hz, 180Hz, 240Hz, …] “vouwen terug” rond de Nyquist-frequentie en verschijnen als valse of “gealiaseerde” signalen op 8Hz, 24Hz, 16Hz enzovoort, omdat het digitale systeem een deel van elke tweede, derde, vierde … cyclus van deze hoogfrequente signalen bemonstert. Hoge harmonischen van netstraling zijn aanwezig omdat de stromen en uitgestraalde velden in energiesystemen zelden perfecte sinusgolven zijn. Meestal is er aanzienlijke uitgestraalde energie detecteerbaar tot ongeveer de 10e harmonische. Deze gealiaseerde hoogfrequente signalen zijn niet te onderscheiden van echte oscillaties op lagere frequenties binnen het typische bereik van hersensignalen, dus moeten ze uit het inkomende signaal worden verwijderd voordat het aan het bemonsteringssysteem wordt aangeboden.
Statische elektrische velden van geladen objecten en mensen in de buurt: Ophoping van elektrostatische lading kan resulteren in potentiaalverschillen van vele duizenden volts tussen jou en andere mensen en omringende objecten. Een positief geladen object trekt bijvoorbeeld negatieve ladingen in je lichaam en hoofd naar dat object toe, terwijl negatieve ladingen worden afgestoten, wat resulteert in een ongelijkmatige verdeling van lichaamspotentiaal onder verschillende EEG-sensoren. Emotiv-apparaten gebruiken AC-gekoppelde meting (analoge hoogdoorlaatfiltering), met één enkel referentiepunt, om een ongelijkmatige statische ladingsverdeling in aanzienlijke mate te ontkoppelen. Als jij of een van deze geladen bronnen zich echter verplaatst, verplaatst lading zich over je lichaam en veroorzaakt een veranderend potentiaal, dat snel genoeg kan zijn om door de filters te worden doorgegeven.
Je elektrostatische potentiaal kan langzaam of ogenblikkelijk veranderen als je lading opbouwt of jezelf snel ontlaadt, bijvoorbeeld door over tapijt te lopen of metalen objecten aan te raken, mogelijk met vonkvorming. Je lichaamspotentiaal kan in een oogwenk, in enkele seconden of over langere periodes met tienduizenden volts veranderen. Deze veranderingen kunnen de circuits voor annulering van lichaamspotentiaal in draagbare EEG-systemen tijdelijk overbelasten, wat resulteert in enorme pieken en langzamer herstel in de EEG-signalen.
EEG-systemen in laboratoria kunnen tegen veel van deze artefacten worden beschermd, bijvoorbeeld door de beweging van de proefpersoon te beperken, het laboratorium elektrisch af te schermen, een aardingskabel aan de proefpersoon te bevestigen om elektrostatische opbouw te voorkomen, zeer hoge bemonsteringsfrequentie enzovoort.
Draagbare, draadloze EEG-systemen op batterijen kunnen niet op deze maatregelen vertrouwen en moeten daarom een reeks mitigatiestrategieën gebruiken. De datasnelheid van transmissie moet in balans worden gebracht met de batterijduur, omdat draadloze zenders behoorlijk energie-intensief zijn.
Interferentie verminderen
EEG-headsets zijn ontworpen om ongewenste ruis te minimaliseren. De meeste externe ruisbronnen, zoals statische elektriciteit en elektromagnetische interferentie (bijv. 50/60 Hz-ruis en harmonischen van elektriciteitsnetten), verschijnen als common mode-ruis, waarbij de onderliggende lichaamspotentiaal op ongeveer dezelfde manier over alle sensoren oscilleert.
Emotiv-apparaten gebruiken een enkelpunts referentiesensor (CMS) om de lichaamspotentiaal te meten, gecombineerd met een actief annuleringssysteem in het analoge domein (CMS-signaal wordt geïnverteerd en teruggekoppeld naar de DRL-sensor om de common mode-oscillaties te annuleren en een EEG-referentieniveau met lage ruis af te leiden voor de differentiële invoerversterkers. Hoogdoorlaat (AC-koppeling) en laagdoorlaat analoge filters (anti-alias analoog filter), aanzienlijke oversampling op 2048Hz, gevolgd door opeenvolgende sub-Nyquist digitale filtering, 50/60Hz dubbele notch-filtering en downsampling naar de datatransmissiefrequentie (128 of 256Hz) in het digitale domein in de DSP-processor in de headset vóór transmissie. Deze maatregelen verzwakken de meeste extrinsieke ruisbronnen tot niet-detecteerbare niveaus wanneer de headset correct is gefilterd en de contactimpedanties laag zijn.
Bewegingsartefacten worden geminimaliseerd door ons mechanisch ontwerp dat elke sensor onafhankelijk ondersteunt en zich aanpast aan de grootte en vorm van elke gebruiker.
Hoe EmotivPRO met data omgaat
De EEG-data in EmotivPRO wordt exact opgenomen zoals ontvangen van de headset. De software verwijdert artefacten van spier- of oogbewegingen niet automatisch, omdat technieken voor datareiniging (zoals ICA) beter werken op ruwe, ongefilterde data. Zoals hierboven beschreven passen Emotiv-headsets echter zorgvuldig ontworpen signaalverwerking toe, wat helpt om schone signalen te produceren wanneer de headset goed contact heeft, waardoor hersengolfdata eenvoudiger te analyseren is.
Was dit artikel nuttig?
Gerelateerd artikel
Kun je niet vinden wat je nodig hebt?
Ons supportteam is maar één klik verwijderd.
Verwijdert EmotivPRO automatisch artefacten uit de verzamelde EEG-gegevens?
Artefacten
Bij het gebruik van EEG-headsets kunnen sommige signalen de metingen van hersengolven verstoren. Deze ongewenste signalen, “artefacten” genoemd, vallen in twee hoofdtypen:
Intrinsieke artefacten: Deze worden veroorzaakt door normale biosignalen die uit je lichaam afkomstig zijn, zoals:
Activiteit van gezichts-, nek- en kaakspieren: Glimlachen, je tanden op elkaar klemmen of fronsen, knipperen, met één oog knijpen, kauwen, spreken, je hoofd draaien (nekspieren). Elke spiergroep bevindt zich dichter bij sommige EEG-sensoren en veel verder van andere, waardoor het signaal dat op elke locatie wordt gedetecteerd verschillend is en de artefacten moeilijker te verwijderen zijn. Emotiv gebruikt in feite signaalverwerking en machinelearningmethoden om de verdeling van spiersignalen te ontwarren en af te leiden welke groepen worden geactiveerd, en zo je gezichtsuitdrukkingen te identificeren!
Oculaire activiteit: Elk van je oogbollen heeft een hoge concentratie zenuwen over het achterste oppervlak (netvlies, oogzenuwen) en bijna geen zenuwen over het voorste oppervlak. In feite werkt je oogbol als een grote dipool met een onbalans in elektrische lading van voor naar achter. Wanneer je ogen in hun kassen draaien, verandert de richting van het dipoolveld en wijst die naar waar je kijkt; dit wordt gedetecteerd als een verandering in de achtergrond-biopotentiaal die onder een andere hoek staat ten opzichte van elke EEG-sensor — wat betekent dat het geen gemeenschappelijk signaal over alle sensoren is. Extra signaalartefacten worden gegenereerd door de spieren die de rotatie van je ogen aansturen.
Cardiale signalen: Je hart is een belangrijke bron van ruwe spiersignalen die soms direct door sommige of alle EEG-kanalen kunnen worden gedetecteerd, op dezelfde manier als waarop een elektrocardiogram wordt geregistreerd. De karakteristieke P-Q-R-S-T-complexen kunnen af en toe direct worden waargenomen in sommige EEG-kanalen. Een tweede type cardiaal artefact ontstaat uit grote bloedvaten die uitzetten en samentrekken terwijl het hart bloed door je slagaders pompt. Arteriewanden zijn musculair en genereren secundaire signalen wanneer ze synchroon met onze hartslag uitzetten en samentrekken. Ten slotte, als je toevallig een sensor direct naast een belangrijke slagader plaatst, kan de sensor mechanisch worden verplaatst door de veranderende vorm en grootte van het vat, wat leidt tot ritmische bewegingen van de sensor over het huidoppervlak die de contactimpedantie kunnen veranderen en schijnspanningen kunnen opwekken in een cyclisch patroon.
Deze acties creëren spier-, oog- en andere biosignalen die zich kunnen mengen met hersengolfdata. Meestal zijn deze biosignalen aanzienlijk groter dan hersensignalen, waardoor detectie van hersenactiviteit moeilijk wordt tenzij een vorm van filtering en bronseparatie wordt toegepast.
Intrinsieke artefacten vallen in specifieke, voorspelbare categorieën en er zijn veel voorbewerkingshulpmiddelen die kunnen worden toegepast om ze selectief te verwijderen. De meest gebruikte methode is Independent Components Analysis (ICA, beschikbaar in veel bibliotheken zoals EEGLab, NME en andere), en Artefact Subspace Reconstruction-methoden (ASR, rASR, computationeel efficiënter dan ICA). Deze modellen berusten op het opsplitsen van een tijdreekssignaal in verschillende componenten, waarna het signaal opnieuw wordt samengesteld uit een subset van deze componenten die niet geassocieerd zijn met verschillende typen artefacten.
Emotiv EEG-data wordt in zo schoon mogelijke vorm aan de host-pc geleverd, maar zonder de intrinsieke biosignaalartefacten te verwijderen die voor verschillende gebruikers interessant kunnen zijn, en wat ook het vermogen van ICA- en rASR-methoden vergroot om bekende klassen intrinsieke artefacten te verwijderen omdat hun signalen niet worden vervormd door filtering op het apparaat.
Extrinsieke artefacten: Deze komen van externe bronnen, zoals:
Sensoren die verschuiven, de headset die op je hoofd beweegt of wordt aangestoten
Uitgestraalde elektrische velden van apparaten, computers en andere apparatuur, transformatoren en elektrische bedrading, met name op de netfrequentie (50/60 Hz) en harmonische veelvouden van deze frequenties. Netruis is vaak de sterkste bron van artefacten in EEG-signalen.
Alle moderne EEG-systemen gebruiken analoog-naar-digitaal-signaalomzetters die op een vaste bemonsteringsfrequentie werken. Een bekend verschijnsel bij digitale bemonstering is aliasing, wat optreedt wanneer het bemonsteringssysteem een signaal tegenkomt met frequentiecomponenten hoger dan 50% van de bemonsteringsfrequentie (de Nyquist-frequentie). Bij bemonstering op 128Hz is de Nyquist-frequentie bijvoorbeeld 64Hz, net hoger dan de 60Hz-netfrequentie. De harmonischen van 60Hz: [120Hz, 180Hz, 240Hz, …] “vouwen terug” rond de Nyquist-frequentie en verschijnen als valse of “gealiaseerde” signalen op 8Hz, 24Hz, 16Hz enzovoort, omdat het digitale systeem een deel van elke tweede, derde, vierde … cyclus van deze hoogfrequente signalen bemonstert. Hoge harmonischen van netstraling zijn aanwezig omdat de stromen en uitgestraalde velden in energiesystemen zelden perfecte sinusgolven zijn. Meestal is er aanzienlijke uitgestraalde energie detecteerbaar tot ongeveer de 10e harmonische. Deze gealiaseerde hoogfrequente signalen zijn niet te onderscheiden van echte oscillaties op lagere frequenties binnen het typische bereik van hersensignalen, dus moeten ze uit het inkomende signaal worden verwijderd voordat het aan het bemonsteringssysteem wordt aangeboden.
Statische elektrische velden van geladen objecten en mensen in de buurt: Ophoping van elektrostatische lading kan resulteren in potentiaalverschillen van vele duizenden volts tussen jou en andere mensen en omringende objecten. Een positief geladen object trekt bijvoorbeeld negatieve ladingen in je lichaam en hoofd naar dat object toe, terwijl negatieve ladingen worden afgestoten, wat resulteert in een ongelijkmatige verdeling van lichaamspotentiaal onder verschillende EEG-sensoren. Emotiv-apparaten gebruiken AC-gekoppelde meting (analoge hoogdoorlaatfiltering), met één enkel referentiepunt, om een ongelijkmatige statische ladingsverdeling in aanzienlijke mate te ontkoppelen. Als jij of een van deze geladen bronnen zich echter verplaatst, verplaatst lading zich over je lichaam en veroorzaakt een veranderend potentiaal, dat snel genoeg kan zijn om door de filters te worden doorgegeven.
Je elektrostatische potentiaal kan langzaam of ogenblikkelijk veranderen als je lading opbouwt of jezelf snel ontlaadt, bijvoorbeeld door over tapijt te lopen of metalen objecten aan te raken, mogelijk met vonkvorming. Je lichaamspotentiaal kan in een oogwenk, in enkele seconden of over langere periodes met tienduizenden volts veranderen. Deze veranderingen kunnen de circuits voor annulering van lichaamspotentiaal in draagbare EEG-systemen tijdelijk overbelasten, wat resulteert in enorme pieken en langzamer herstel in de EEG-signalen.
EEG-systemen in laboratoria kunnen tegen veel van deze artefacten worden beschermd, bijvoorbeeld door de beweging van de proefpersoon te beperken, het laboratorium elektrisch af te schermen, een aardingskabel aan de proefpersoon te bevestigen om elektrostatische opbouw te voorkomen, zeer hoge bemonsteringsfrequentie enzovoort.
Draagbare, draadloze EEG-systemen op batterijen kunnen niet op deze maatregelen vertrouwen en moeten daarom een reeks mitigatiestrategieën gebruiken. De datasnelheid van transmissie moet in balans worden gebracht met de batterijduur, omdat draadloze zenders behoorlijk energie-intensief zijn.
Interferentie verminderen
EEG-headsets zijn ontworpen om ongewenste ruis te minimaliseren. De meeste externe ruisbronnen, zoals statische elektriciteit en elektromagnetische interferentie (bijv. 50/60 Hz-ruis en harmonischen van elektriciteitsnetten), verschijnen als common mode-ruis, waarbij de onderliggende lichaamspotentiaal op ongeveer dezelfde manier over alle sensoren oscilleert.
Emotiv-apparaten gebruiken een enkelpunts referentiesensor (CMS) om de lichaamspotentiaal te meten, gecombineerd met een actief annuleringssysteem in het analoge domein (CMS-signaal wordt geïnverteerd en teruggekoppeld naar de DRL-sensor om de common mode-oscillaties te annuleren en een EEG-referentieniveau met lage ruis af te leiden voor de differentiële invoerversterkers. Hoogdoorlaat (AC-koppeling) en laagdoorlaat analoge filters (anti-alias analoog filter), aanzienlijke oversampling op 2048Hz, gevolgd door opeenvolgende sub-Nyquist digitale filtering, 50/60Hz dubbele notch-filtering en downsampling naar de datatransmissiefrequentie (128 of 256Hz) in het digitale domein in de DSP-processor in de headset vóór transmissie. Deze maatregelen verzwakken de meeste extrinsieke ruisbronnen tot niet-detecteerbare niveaus wanneer de headset correct is gefilterd en de contactimpedanties laag zijn.
Bewegingsartefacten worden geminimaliseerd door ons mechanisch ontwerp dat elke sensor onafhankelijk ondersteunt en zich aanpast aan de grootte en vorm van elke gebruiker.
Hoe EmotivPRO met data omgaat
De EEG-data in EmotivPRO wordt exact opgenomen zoals ontvangen van de headset. De software verwijdert artefacten van spier- of oogbewegingen niet automatisch, omdat technieken voor datareiniging (zoals ICA) beter werken op ruwe, ongefilterde data. Zoals hierboven beschreven passen Emotiv-headsets echter zorgvuldig ontworpen signaalverwerking toe, wat helpt om schone signalen te produceren wanneer de headset goed contact heeft, waardoor hersengolfdata eenvoudiger te analyseren is.
Was dit artikel nuttig?
Gerelateerd artikel
Kun je niet vinden wat je nodig hebt?
Ons supportteam is maar één klik verwijderd.
Verwijdert EmotivPRO automatisch artefacten uit de verzamelde EEG-gegevens?
Artefacten
Bij het gebruik van EEG-headsets kunnen sommige signalen de metingen van hersengolven verstoren. Deze ongewenste signalen, “artefacten” genoemd, vallen in twee hoofdtypen:
Intrinsieke artefacten: Deze worden veroorzaakt door normale biosignalen die uit je lichaam afkomstig zijn, zoals:
Activiteit van gezichts-, nek- en kaakspieren: Glimlachen, je tanden op elkaar klemmen of fronsen, knipperen, met één oog knijpen, kauwen, spreken, je hoofd draaien (nekspieren). Elke spiergroep bevindt zich dichter bij sommige EEG-sensoren en veel verder van andere, waardoor het signaal dat op elke locatie wordt gedetecteerd verschillend is en de artefacten moeilijker te verwijderen zijn. Emotiv gebruikt in feite signaalverwerking en machinelearningmethoden om de verdeling van spiersignalen te ontwarren en af te leiden welke groepen worden geactiveerd, en zo je gezichtsuitdrukkingen te identificeren!
Oculaire activiteit: Elk van je oogbollen heeft een hoge concentratie zenuwen over het achterste oppervlak (netvlies, oogzenuwen) en bijna geen zenuwen over het voorste oppervlak. In feite werkt je oogbol als een grote dipool met een onbalans in elektrische lading van voor naar achter. Wanneer je ogen in hun kassen draaien, verandert de richting van het dipoolveld en wijst die naar waar je kijkt; dit wordt gedetecteerd als een verandering in de achtergrond-biopotentiaal die onder een andere hoek staat ten opzichte van elke EEG-sensor — wat betekent dat het geen gemeenschappelijk signaal over alle sensoren is. Extra signaalartefacten worden gegenereerd door de spieren die de rotatie van je ogen aansturen.
Cardiale signalen: Je hart is een belangrijke bron van ruwe spiersignalen die soms direct door sommige of alle EEG-kanalen kunnen worden gedetecteerd, op dezelfde manier als waarop een elektrocardiogram wordt geregistreerd. De karakteristieke P-Q-R-S-T-complexen kunnen af en toe direct worden waargenomen in sommige EEG-kanalen. Een tweede type cardiaal artefact ontstaat uit grote bloedvaten die uitzetten en samentrekken terwijl het hart bloed door je slagaders pompt. Arteriewanden zijn musculair en genereren secundaire signalen wanneer ze synchroon met onze hartslag uitzetten en samentrekken. Ten slotte, als je toevallig een sensor direct naast een belangrijke slagader plaatst, kan de sensor mechanisch worden verplaatst door de veranderende vorm en grootte van het vat, wat leidt tot ritmische bewegingen van de sensor over het huidoppervlak die de contactimpedantie kunnen veranderen en schijnspanningen kunnen opwekken in een cyclisch patroon.
Deze acties creëren spier-, oog- en andere biosignalen die zich kunnen mengen met hersengolfdata. Meestal zijn deze biosignalen aanzienlijk groter dan hersensignalen, waardoor detectie van hersenactiviteit moeilijk wordt tenzij een vorm van filtering en bronseparatie wordt toegepast.
Intrinsieke artefacten vallen in specifieke, voorspelbare categorieën en er zijn veel voorbewerkingshulpmiddelen die kunnen worden toegepast om ze selectief te verwijderen. De meest gebruikte methode is Independent Components Analysis (ICA, beschikbaar in veel bibliotheken zoals EEGLab, NME en andere), en Artefact Subspace Reconstruction-methoden (ASR, rASR, computationeel efficiënter dan ICA). Deze modellen berusten op het opsplitsen van een tijdreekssignaal in verschillende componenten, waarna het signaal opnieuw wordt samengesteld uit een subset van deze componenten die niet geassocieerd zijn met verschillende typen artefacten.
Emotiv EEG-data wordt in zo schoon mogelijke vorm aan de host-pc geleverd, maar zonder de intrinsieke biosignaalartefacten te verwijderen die voor verschillende gebruikers interessant kunnen zijn, en wat ook het vermogen van ICA- en rASR-methoden vergroot om bekende klassen intrinsieke artefacten te verwijderen omdat hun signalen niet worden vervormd door filtering op het apparaat.
Extrinsieke artefacten: Deze komen van externe bronnen, zoals:
Sensoren die verschuiven, de headset die op je hoofd beweegt of wordt aangestoten
Uitgestraalde elektrische velden van apparaten, computers en andere apparatuur, transformatoren en elektrische bedrading, met name op de netfrequentie (50/60 Hz) en harmonische veelvouden van deze frequenties. Netruis is vaak de sterkste bron van artefacten in EEG-signalen.
Alle moderne EEG-systemen gebruiken analoog-naar-digitaal-signaalomzetters die op een vaste bemonsteringsfrequentie werken. Een bekend verschijnsel bij digitale bemonstering is aliasing, wat optreedt wanneer het bemonsteringssysteem een signaal tegenkomt met frequentiecomponenten hoger dan 50% van de bemonsteringsfrequentie (de Nyquist-frequentie). Bij bemonstering op 128Hz is de Nyquist-frequentie bijvoorbeeld 64Hz, net hoger dan de 60Hz-netfrequentie. De harmonischen van 60Hz: [120Hz, 180Hz, 240Hz, …] “vouwen terug” rond de Nyquist-frequentie en verschijnen als valse of “gealiaseerde” signalen op 8Hz, 24Hz, 16Hz enzovoort, omdat het digitale systeem een deel van elke tweede, derde, vierde … cyclus van deze hoogfrequente signalen bemonstert. Hoge harmonischen van netstraling zijn aanwezig omdat de stromen en uitgestraalde velden in energiesystemen zelden perfecte sinusgolven zijn. Meestal is er aanzienlijke uitgestraalde energie detecteerbaar tot ongeveer de 10e harmonische. Deze gealiaseerde hoogfrequente signalen zijn niet te onderscheiden van echte oscillaties op lagere frequenties binnen het typische bereik van hersensignalen, dus moeten ze uit het inkomende signaal worden verwijderd voordat het aan het bemonsteringssysteem wordt aangeboden.
Statische elektrische velden van geladen objecten en mensen in de buurt: Ophoping van elektrostatische lading kan resulteren in potentiaalverschillen van vele duizenden volts tussen jou en andere mensen en omringende objecten. Een positief geladen object trekt bijvoorbeeld negatieve ladingen in je lichaam en hoofd naar dat object toe, terwijl negatieve ladingen worden afgestoten, wat resulteert in een ongelijkmatige verdeling van lichaamspotentiaal onder verschillende EEG-sensoren. Emotiv-apparaten gebruiken AC-gekoppelde meting (analoge hoogdoorlaatfiltering), met één enkel referentiepunt, om een ongelijkmatige statische ladingsverdeling in aanzienlijke mate te ontkoppelen. Als jij of een van deze geladen bronnen zich echter verplaatst, verplaatst lading zich over je lichaam en veroorzaakt een veranderend potentiaal, dat snel genoeg kan zijn om door de filters te worden doorgegeven.
Je elektrostatische potentiaal kan langzaam of ogenblikkelijk veranderen als je lading opbouwt of jezelf snel ontlaadt, bijvoorbeeld door over tapijt te lopen of metalen objecten aan te raken, mogelijk met vonkvorming. Je lichaamspotentiaal kan in een oogwenk, in enkele seconden of over langere periodes met tienduizenden volts veranderen. Deze veranderingen kunnen de circuits voor annulering van lichaamspotentiaal in draagbare EEG-systemen tijdelijk overbelasten, wat resulteert in enorme pieken en langzamer herstel in de EEG-signalen.
EEG-systemen in laboratoria kunnen tegen veel van deze artefacten worden beschermd, bijvoorbeeld door de beweging van de proefpersoon te beperken, het laboratorium elektrisch af te schermen, een aardingskabel aan de proefpersoon te bevestigen om elektrostatische opbouw te voorkomen, zeer hoge bemonsteringsfrequentie enzovoort.
Draagbare, draadloze EEG-systemen op batterijen kunnen niet op deze maatregelen vertrouwen en moeten daarom een reeks mitigatiestrategieën gebruiken. De datasnelheid van transmissie moet in balans worden gebracht met de batterijduur, omdat draadloze zenders behoorlijk energie-intensief zijn.
Interferentie verminderen
EEG-headsets zijn ontworpen om ongewenste ruis te minimaliseren. De meeste externe ruisbronnen, zoals statische elektriciteit en elektromagnetische interferentie (bijv. 50/60 Hz-ruis en harmonischen van elektriciteitsnetten), verschijnen als common mode-ruis, waarbij de onderliggende lichaamspotentiaal op ongeveer dezelfde manier over alle sensoren oscilleert.
Emotiv-apparaten gebruiken een enkelpunts referentiesensor (CMS) om de lichaamspotentiaal te meten, gecombineerd met een actief annuleringssysteem in het analoge domein (CMS-signaal wordt geïnverteerd en teruggekoppeld naar de DRL-sensor om de common mode-oscillaties te annuleren en een EEG-referentieniveau met lage ruis af te leiden voor de differentiële invoerversterkers. Hoogdoorlaat (AC-koppeling) en laagdoorlaat analoge filters (anti-alias analoog filter), aanzienlijke oversampling op 2048Hz, gevolgd door opeenvolgende sub-Nyquist digitale filtering, 50/60Hz dubbele notch-filtering en downsampling naar de datatransmissiefrequentie (128 of 256Hz) in het digitale domein in de DSP-processor in de headset vóór transmissie. Deze maatregelen verzwakken de meeste extrinsieke ruisbronnen tot niet-detecteerbare niveaus wanneer de headset correct is gefilterd en de contactimpedanties laag zijn.
Bewegingsartefacten worden geminimaliseerd door ons mechanisch ontwerp dat elke sensor onafhankelijk ondersteunt en zich aanpast aan de grootte en vorm van elke gebruiker.
Hoe EmotivPRO met data omgaat
De EEG-data in EmotivPRO wordt exact opgenomen zoals ontvangen van de headset. De software verwijdert artefacten van spier- of oogbewegingen niet automatisch, omdat technieken voor datareiniging (zoals ICA) beter werken op ruwe, ongefilterde data. Zoals hierboven beschreven passen Emotiv-headsets echter zorgvuldig ontworpen signaalverwerking toe, wat helpt om schone signalen te produceren wanneer de headset goed contact heeft, waardoor hersengolfdata eenvoudiger te analyseren is.
Was dit artikel nuttig?
Gerelateerd artikel
Kun je niet vinden wat je nodig hebt?
Ons supportteam is maar één klik verwijderd.