Nhiễu ảnh EEG

Hai danh mục cơ bản của nhiễu ảnh EEG

Mọi dao động không mong muốn trong bản ghi EEG đều phát sinh từ một trong hai nguồn gốc. Các nhiễu ảnh liên quan đến đối tượng, hay sinh lý, được tạo ra bởi chính cơ thể của người tham gia. Chúng bao gồm nháy mắt, căng cơ, nhịp tim và hoạt động của tuyến mồ hôi, tất cả đều tạo ra các điện trường mà các điện cực trên da đầu thu nhận được cùng với hoạt động thực sự của não bộ.

Các nhiễu ảnh kỹ thuật, hay phi sinh lý, bắt nguồn từ thiết bị ghi và môi trường. Các điện cực bị lỏng, cáp bị lắc lư, bão hòa bộ khuếch đại và nhiễu điện lưới thuộc nhóm thứ hai này.

Phân biệt giữa hai danh mục này là kỹ năng đầu tiên cần làm chủ vì các chiến lược ngăn ngừa và loại bỏ khác nhau về mặt cơ bản. Một đợt bùng phát cơ do nghiến chặt hàm yêu cầu một biện pháp can thiệp khác với tiếng vo ve 60 hertz định kỳ truyền vào qua một cáp được che chắn kém.

Cách nhận biết nhiễu ảnh liên quan đến đối tượng

Nháy mắt

Mắt hoạt động giống như một viên pin điện nhỏ. Giác mạc mang điện tích dương so với võng mạc, tạo thành một lưỡng cực giác mạc - võng mạc. Khi người tham gia nháy mắt, mí mắt quét qua lưỡng cực này và kéo điện trường dương lên trên, tạo ra một độ lệch điện áp dương lớn tại các điện cực vùng trán gần mắt nhất.

Trong biểu đồ miền thời gian, một cái nháy mắt xuất hiện dưới dạng một sóng chậm, biên độ cao, đạt mức tối đa tại các kênh trước trán như Fp1 và Fp2, sau đó giảm mạnh khi bạn nhìn về phía các dẫn đạo trung tâm hoặc phía sau. Vì dạng sóng này rất đặc trưng, một cặp mắt đã qua đào tạo có thể phát hiện ra nó gần như ngay lập tức.

Chuyển động mắt và các xung Saccade

Khi mắt chuyển động theo chiều ngang mà không nháy mắt, lưỡng cực giác mạc - võng mạc sẽ xoay thay vì bị che phủ. Điều này tạo ra một sự thay đổi dạng bậc thang trong tín hiệu điện nhãn đồ có thể ảnh hưởng sang các kênh EEG lân cận.

Ngoài ra, sự co bóp nhanh chóng của các cơ ngoài nhãn cầu trong quá trình di chuyển mắt nhanh (saccade) tạo ra một điện thế chuyển tiếp ngắn, sắc nét được gọi là tiềm năng xung saccade. Trên một biểu đồ thô, các xung này có thể trông giống một cách đáng kinh ngạc với hoạt động dạng động kinh. Chúng thường giới hạn ở các điện cực vùng trán và thái dương và trùng khớp với sự thay đổi hướng nhìn.

Nhận biết chúng giúp ngăn ngừa ấn tượng lâm sàng sai lệch và tránh việc loại bỏ không cần thiết các dữ liệu thần kinh sạch khác. Sự ngắn ngủi của xung, mối tương quan của nó với chuyển động mắt ngang hoặc dọc, và việc thiếu sóng chậm đi sau giúp phân biệt nó với một sự phóng điện vỏ não thực sự.

Hoạt động cơ

Các cơ da đầu, mặt và cổ là những nguồn tạo ra tiếng ồn điện tần số cao rất lớn. Khi người tham gia nghiến chặt hàm, nhíu mày, hoặc thậm chí giữ căng thẳng ở cổ, các điện thế hoạt động của đơn vị vận động sẽ phát hỏa không đồng bộ và tổng hợp thành một mô hình nhiễu không đều, lởm chởm.

Trong miền thời gian, nhiễu ảnh cơ trông giống như một đợt bùng phát nhanh của các độ lệch sắc nét, biên độ thấp đè lên trên EEG, thường nổi bật nhất ở các điện cực vùng thái dương hoặc vùng trán. Tần số của nó chủ yếu nằm trên 20 Hz, đi sâu vào các dải beta và gamma nơi có nhiều phép đo nhận thức, khiến nó đặc biệt rắc rối cho việc giám sát trạng thái tinh thần và các ứng dụng giao diện não - máy tính.

Hệ thống EEG mật độ cao với các điện cực đặt gần nhau có thể giúp định vị nguồn cơ, nhưng tuyến phòng thủ đầu tiên là hướng dẫn người tham gia thư giãn và hỗ trợ vật lý cho đầu.

Mồ hôi và sự thay đổi điện da

Sự thay đổi độ dẫn điện của da do hoạt động của tuyến mồ hôi làm thay đổi ranh giới tiếp xúc giữa điện cực và da. Điều này tạo ra một sự trôi dạt rất chậm, mượt mà của điện áp đường cơ sở, thường dưới 1 Hz, có thể dao động qua nhiều giây.

Nhiễu ảnh không xuất hiện dưới dạng một xung hay tiếng vo ve nhịp nhàng mà dưới dạng một chuyển động lăn chậm, giống như sóng của toàn bộ đường ghi. Nó phổ biến nhất trong các phiên ghi dài, trong môi trường ấm áp, hoặc với những người tham gia lo lắng. Yếu tố gây nhiễu tần số thấp này có thể được kiểm soát bằng cách duy trì nhiệt độ phòng ổn định và đảm bảo tiếp xúc điện cực tốt.

Tín hiệu tim

Điện trường của tim đủ mạnh để truyền đến da đầu, đặc biệt là khi trở kháng điện cực cao hoặc khi một điện cực tham chiếu nằm gần mạch máu trên xương chũm hoặc dái tai.

Nhiễu ảnh điện tâm đồ kết quả hiển thị dưới dạng một phức bộ QRS sắc nét, đều đặn lặp lại theo nhịp tim—khoảng một lần mỗi giây. Nó thường ảnh hưởng sang nhiều kênh đồng thời với một khoảng lệch thời gian nhất quán, và các bộ phân loại được đào tạo trên các đặc trưng nhiễu ảnh phổ rộng có thể phát hiện ra nó cùng với các chất gây nhiễu khác.

Nếu dạng sóng tim có thể nhìn thấy được nhưng không quá lấn át, nó thường có thể được loại bỏ bằng cách ghi một kênh ECG riêng dụng; nếu không, các phân đoạn bị ảnh hưởng có thể cần phải loại bỏ thủ công.

Nhận biết nhiễu ảnh kỹ thuật trong đường ghi

Đột biến điện cực và các xung liên quan đến chuyển động

Sự thay đổi đột ngột về trở kháng do cầu gel bị khô, cáp bị kéo hoặc điện cực bị dịch chuyển sẽ tạo ra một chuyển tiếp đột ngột, dốc đứng thường được gọi là đột biến điện cực (pop). Điều này thuộc danh mục "sự không liên tục chung" mà các thuật toán tự động như ADJUST được thiết kế để gắn cờ.

Trong miền thời gian, một đột biến điện cực thường trông giống như một xung cô lập có biên độ cực lớn có thể làm bão hòa bộ khuếch đại, làm phẳng tín hiệu trong một khoảnh khắc trước khi phục hồi chậm. Không giống như một xung sinh học, nó không được bao quanh bởi hoạt động sinh lý đang diễn ra và thường xuất hiện trên một kênh duy nhất, giúp dễ dàng nhận biết khi kiểm tra bằng mắt.

Một nghiên cứu EEG sơ sinh của Hagmann và cộng sự cũng ghi nhận nhiễu chuyển động thường xuyên làm thay đổi đường ghi tích hợp biên độ, nhấn mạnh rằng ngay cả những xáo trộn vật lý ngắn ngủi cũng tạo ra sự ô nhiễm có thể đo lường được.

Nhiễu điện lưới

Sự ghép điện dung của nguồn cung cấp điện vào hệ thống ghi tạo ra một tiếng vo ve nhịp nhàng, liên tục ở tần số điện lưới—50 Hz ở Châu Âu và phần lớn thế giới, 60 Hz ở Bắc Mỹ.

Trên một đường ghi EEG thô, nhiễu này xuất hiện dưới dạng một sóng hình sin dày đè lên mọi kênh, thường có biên độ nhất quán. Ngay cả một lượng nhỏ nhiễu đường truyền cũng có thể che khuất các nhịp não điện áp thấp, và sự hiện diện của nó báo hiệu một vấn đề với trở kháng điện cực, che chắn hoặc nối đất.

Nó luôn là một nhiễu ảnh kỹ thuật, không phải là một dao động thần kinh, và tần số cố định của nó giúp dễ dàng nhận biết bằng mắt hoặc bằng một biểu đồ phổ.

Điện cực bị lỏng và chuyển động cáp

Khi một điện cực không được gắn chắc chắn vào da đầu hoặc cáp của nó bị lắc lư giữa lúc ghi, sự xáo trộn cơ học sẽ tạo ra các dao động tần số thấp không đều. Những dao động này có thể trông giống như một sự trôi dạt chậm, thất thường hoặc một đợt bùng phát các sóng không đều biên độ cao trên một kênh duy nhất.

Tính chất lẻ tẻ và sự giới hạn ở một điện cực giúp phân biệt ngay lập tức nhiễu ảnh này với các sự kiện sinh lý lan rộng như nháy mắt hoặc căng cơ. Chú thích những khoảnh khắc như vậy trong thời gian thực giúp tiết kiệm đáng kể công sức sau này bằng cách thu hẹp phạm vi tìm kiếm các phân đoạn dữ liệu xấu.

Ngăn ngừa và lập tài liệu về nhiễu ảnh trong quá trình ghi

Chiến lược quản lý nhiễu ảnh hiệu quả nhất bắt đầu từ lâu trước khi điểm dữ liệu đầu tiên được lưu.

Một người tham gia thư giãn sẽ tạo ra ít nhiễu ảnh cơ và chuyển động mắt hơn đáng kể. Do đó, hãy dành thời gian để giải thích về phiên ghi, cung cấp một chiếc ghế thoải mái có hỗ trợ đầu và cho mắt một điểm cố định ổn định để giảm bớt các lần nháy mắt và chuyển động mắt nhanh tự phát. Những bước này là nền tảng đến mức chúng hiếm khi được nêu chi tiết trong các bài báo nghiên cứu, tuy nhiên mọi nghiên cứu báo cáo dữ liệu sạch đều ngầm dựa vào chúng.

Áp dụng điện cực là tuyến phòng thủ tiếp theo. Chuẩn bị da tỉ mỉ, sử dụng đủ gel dẫn điện và định tuyến cáp cẩn thận sẽ giảm thiểu cả việc thu nhận nhiễu môi trường và các đột biến liên quan đến chuyển động.

Nghiên cứu EEG ở trẻ sơ sinh nói trên đã phát hiện ra rằng nhiễu điện và nhiễu chuyển động xảy ra với tần suất tương tự nhau, xác nhận rằng không có môi trường ghi nào vốn dĩ miễn nhiễm với các vấn đề kỹ thuật. Kiểm tra trở kháng trước và sau phiên ghi và cố định cáp vào quần áo hoặc ghế sẽ loại bỏ một phần lớn các nhiễu ảnh có thể ngăn ngừa được.

Cuối cùng, hãy ghi chép nhật ký liên tục về các nhiễu ảnh nhìn thấy được trong quá trình ghi. Lưu ý thời gian của bất kỳ chuyển động thô, ho hoặc điều chỉnh điện cực nào. Loại chú thích thủ công này phản ánh việc dán nhãn của chuyên gia được sử dụng để đào tạo các bộ phân loại tự động, nơi những người đánh giá là con người đánh dấu các phân đoạn để làm dữ liệu chuẩn cho các thuật toán học máy.

Một dấu thời gian viết tay đơn giản hoặc một điểm đánh dấu sự kiện trong phần mềm thu nhận dữ liệu sẽ chuyển đổi phỏng đoán thành tài liệu có thể tái lập.

Loại bỏ thủ công và nội suy: Làm sạch trước khi tính toán

Kiểm tra bằng mắt đường ghi liên tục

Trước khi giao việc loại bỏ nhiễu ảnh cho bất kỳ thuật toán xử lý tín hiệu nào, hãy cuộn qua dữ liệu thô và sử dụng các đặc trưng dạng sóng được mô tả ở trên để xác định các khoảng thời gian bị nhiễu.

Thường thì bạn nên tìm kiếm sóng chậm vùng trán đặc trưng của một cái nháy mắt, tiếng xì tần số cao của hoạt động cơ, xung cô lập của một đột biến điện cực, hoặc sóng hình sin liên tục của nhiễu điện lưới. Bước này đào tạo mắt của bạn để phân biệt nhiễu ảnh với hoạt động thực sự của não và ngăn ngừa việc tự động loại bỏ các sự kiện thần kinh biên độ cao, hiếm gặp có thể trông giống nhiễu ảnh một cách hời hợt.

• Sóng chậm vùng trán: biểu thị một cái nháy mắt

• Tiếng xì tần số cao: biểu thị hoạt động cơ

• Xung cô lập có biên độ cực lớn: biểu thị một đột biến điện cực

• Sóng hình sin liên tục: biểu thị nhiễu điện lưới

Đánh dấu và loại trừ các phân đoạn thời gian xấu

Một khi bạn đã xác định được một đoạn dữ liệu chứa đầy nhiễu ảnh, hãy đánh dấu nó để loại trừ. Điều này có thể liên quan đến việc ghi nhật ký thời gian bắt đầu và kết thúc hoặc sử dụng các công cụ đánh dấu được tích hợp trong phần mềm phân tích EEG.

Loại bỏ thủ công các phân đoạn bị nhiễu nặng nhất là tiêu chuẩn mà ngay cả các phương pháp tự động hiện đại nhất cũng được xây dựng dựa trên đó. Ví dụ, trong công trình tạo ra thuật toán ADJUST, các chuyên gia đã dán nhãn thủ công 640 thành phần để tạo ra một tập huấn luyện, và hiệu suất của bộ phân loại sau đó được đo lường so với dữ liệu chuẩn được xác định thủ công này.

Việc loại bỏ các nhiễu ảnh nghiêm trọng nhất bằng tay giúp giảm bớt gánh nặng cho các thuật toán phía sau và ngăn chúng phát tán nhiễu sang các kênh lân cận trong các bước lọc không gian.

Nội suy một kênh bị nhiễu liên tục

Khi một điện cực đơn lẻ không đáng tin cậy trong toàn bộ bản ghi do tiếp xúc lỏng, gel bị khô hoặc mất ổn định cơ học, việc loại bỏ kênh đó và tái tạo dữ liệu của nó từ các điện cực sạch lân cận sẽ bảo toàn số chiều dữ liệu tổng thể.

Nội suy sử dụng sự phân bố điện áp không gian trên da đầu để ước tính những gì kênh xấu lẽ ra đã ghi lại, thay thế hiệu quả nhiễu ảnh bằng một tín hiệu trung lập, hợp lý. Bước này giữ cho tập dữ liệu nguyên vẹn cho các phân tích địa hình và tránh việc mất dữ liệu do loại bỏ hoàn toàn kênh đó.

Tại sao làm sạch thủ công vẫn là thiết yếu

Ngay cả các bộ phân loại tự động tinh vi nhất cũng được hưởng lợi từ một tập dữ liệu đã được làm sạch trước các nhiễu ảnh thô. Phát hiện của nghiên cứu sơ sinh rằng nhiễu ảnh chiếm 12% thời gian ghi và ảnh hưởng đến việc diễn giải lâm sàng minh họa cho thấy sự ô nhiễm không được loại bỏ có thể dễ dàng làm bóp méo các kết luận như thế nào.

Do đó, kiểm tra thủ công đảm bảo rằng các nhiễu ảnh lớn nhất và rõ ràng nhất đã biến mất trước khi dữ liệu đi vào một quy trình tính toán hiệu quả, nơi chúng có thể chiếm ưu thế trong phương sai và làm sai lệch quá trình phân rã. Nó cũng xây dựng một sự quen thuộc sâu sắc với tập dữ liệu mà không thuật toán nào có thể thay thế.

Cách loại bỏ tự động hỗ trợ công việc thủ công

Phân tích thành phần độc lập như một công cụ mổ xẻ

Một khi các phân đoạn xấu nhất được loại bỏ thủ công, ICA có thể phân rã phần EEG còn lại thành các thành phần nguồn độc lập về mặt thống kê. Kỹ thuật này tách biệt hỗn hợp các tín hiệu não và nhiễu ảnh được thu nhận bởi các điện cực da đầu, chia nhỏ các chuyển động mắt, nháy mắt và hoạt động cơ thành các thành phần riêng biệt dựa trên các mô hình không gian và thời gian duy nhất của chúng.

Một thành phần có hình chiếu vùng trán và dạng sóng khớp chặt chẽ với tín hiệu nháy mắt sau đó có thể được xác định và loại trừ, giữ cho phần còn lại của dữ liệu nguyên vẹn về mặt sinh lý thần kinh. Điểm mạnh của ICA nằm ở khả năng xử lý nhiều nguồn nhiễu ảnh xảy ra đồng thời, một nhiệm vụ mà việc hiệu chỉnh dựa trên hồi quy đơn giản thường điều chỉnh quá mức hoặc chưa đủ.

Độ tin cậy của các bộ phân loại hiện đại

Các phương pháp tự động hiện đã đạt đến mức hiệu suất gần khớp với đánh giá của chuyên gia con người.

Một bộ phân loại tuyến tính độc lập với đối tượng, được đào tạo trên sáu đặc trưng rút ra từ các miền tần số, không gian và thời gian, đã đạt được sai số bình phương trung bình dưới 10% trên một tập dữ liệu thời gian phản ứng, nằm trong khoảng bất đồng ý kiến giữa hai chuyên gia con người.

Hơn nữa, thuật toán ADJUST, kết hợp các đặc trưng đặc thù cho nhiễu ảnh không gian và thời gian, đã đồng ý với việc dán nhãn của chuyên gia thủ công trên 95.2% phương sai dữ liệu khi được thử nghiệm trên một tập dữ liệu hoàn toàn độc lập, và việc loại bỏ các thành phần bị nhiễu của nó đã dẫn đến việc tái tạo sạch sẽ các điện thế liên quan đến sự kiện.

Một phương pháp khác sử dụng các mô hình tự hồi quy kết hợp với máy vectơ hỗ trợ đã phân loại một số loại nhiễu ảnh do đối tượng tạo ra trên các cá nhân với độ chính xác khoảng 94%.

Riêng đối với các nhiễu ảnh mắt, một thuật toán tích hợp thông tin từ thiết bị theo dõi mắt để xác định khách quan các thành phần liên quan đã hoạt động hiệu quả gần gấp đôi so với các chuyên gia con người vốn phải chỉ dựa vào địa hình thành phần, đạt được diện tích dưới đường cong đặc trưng hoạt động của máy thu lớn hơn 0.99.

Những con số này không thay thế cho việc làm sạch thủ công mà chứng minh rằng lĩnh vực này hiện có các trợ lý tính toán đáng tin cậy có thể xử lý việc xác định lặp đi lặp lại với khối lượng lớn vốn trước đây được thực hiện hoàn toàn bằng tay.

Cân bằng giữa loại bỏ nhiễu ảnh và bảo toàn tín hiệu

Việc loại bỏ nhiễu ảnh quá mức có thể vô tình tước đi thông tin thần kinh thực sự. Trong một mô hình giao diện não - máy tính tưởng tượng vận động, các nhà nghiên cứu phát hiện ra rằng họ có thể loại bỏ một cách an toàn tới 60% các thành phần ICA bị nhiễu nhất trong khi vẫn bảo toàn thông tin phân biệt mà hệ thống BCI sử dụng để giải mã ý định của người dùng.

Phát hiện này nhấn mạnh nguyên tắc quan trọng là không phải mọi thành phần mang một số phương sai nhiễu ảnh đều không có tín hiệu thần kinh. Việc xem xét thủ công các thành phần được lựa chọn bởi một bộ phân loại tự động vẫn được khuyến nghị để xác nhận rằng ngưỡng loại bỏ không lấn sang vùng hoạt động não hữu ích.

Tại sao nhận thức về nhiễu ảnh quyết định chất lượng dữ liệu

Nhiễu ảnh ảnh hưởng trực tiếp đến cả việc diễn giải bằng mắt và các phép đo định lượng. Cho dù mục tiêu là chẩn đoán lâm sàng, một khám phá khoa học thần kinh, hay một ứng dụng chăm sóc sức khỏe người tiêu dùng, con đường dẫn đến kết quả đáng tin cậy đều đi qua một sự hiểu biết rõ ràng về nguồn gốc của nhiễu ảnh, cách chúng trông như thế nào trên đường ghi thô, và quy trình kỷ luật trong việc ngăn ngừa, lập tài liệu và loại bỏ chúng một cách thủ công.

Tự động hóa dựa trên ICA có thể tăng tốc quy trình làm sạch, nhưng nó hoạt động hiệu quả nhất trên dữ liệu đã được kiểm tra bởi mắt của một người đã qua đào tạo. Tỷ lệ ô nhiễm 12% nghe có vẻ không cao, nhưng khi phần đó có thể thay đổi một quyết định y tế hoặc che khuất một chỉ dấu sinh học nhận thức tinh tế, việc đầu tư vào quản lý nhiễu ảnh trở nên không thể tách rời khỏi tính toàn vẹn khoa học của bản ghi.

Tài liệu tham khảo

1. Plöchl, M., Ossandón, J. P., & König, P. (2012). Kết hợp EEG và theo dõi mắt: xác định, đặc trưng hóa và hiệu chỉnh các nhiễu ảnh chuyển động mắt trong dữ liệu điện não đồ. Frontiers in human neuroscience, 6, 278. https://doi.org/10.3389/fnhum.2012.00278

2. Mognon, A., Jovicich, J., Bruzzone, L., & Buiatti, M. (2011). ADJUST: Một bộ phát hiện nhiễu ảnh EEG tự động dựa trên việc sử dụng kết hợp các đặc trưng không gian và thời gian. Psychophysiology, 48(2), 229-240. https://doi.org/10.1111/j.1469-8986.2010.01061.x

3. Hagmann, C. F., Robertson, N. J., & Azzopardi, D. (2006). Nhiễu ảnh trên điện não đồ có thể ảnh hưởng đến việc phân loại EEG tích hợp biên độ: một phân tích định tính trong bệnh não sơ sinh. Pediatrics, 118(6), 2552–2554. https://doi.org/10.1542/peds.2006-2519

4. Winkler, I., Haufe, S., & Tangermann, M. (2011). Phân loại tự động các thành phần ICA nhiễu ảnh để loại bỏ nhiễu ảnh trong tín hiệu EEG. Behavioral and brain functions, 7(1), 30. https://doi.org/10.1186/1744-9081-7-30

5. Lawhern, V., Hairston, W. D., McDowell, K., Westerfield, M., & Robbins, K. (2012). Phát hiện và phân loại các nhiễu ảnh do đối tượng tạo ra trong tín hiệu EEG sử dụng các mô hình tự hồi quy. Journal of neuroscience methods, 208(2), 181-189. https://doi.org/10.1016/j.jneumeth.2012.05.017

Các câu hỏi thường gặp

Hai danh mục chính của nhiễu ảnh EEG là gì, và chúng khác nhau như thế nào?

Các nhiễu ảnh EEG được chia thành hai danh mục: nhiễu ảnh liên quan đến đối tượng (sinh lý) được tạo ra bởi cơ thể người tham gia—chẳng hạn như nháy mắt, căng cơ, nhịp tim và mồ hôi—và các nhiễu ảnh kỹ thuật (phi sinh lý) bắt nguồn từ thiết bị hoặc môi trường, như điện cực bị lỏng, cáp bị lắc lư và nhiễu điện lưới. Sự phân biệt này rất quan trọng vì mỗi danh mục yêu cầu các chiến lược ngăn ngừa và loại bỏ khác nhau; ví dụ, một đợt bùng phát cơ cần một biện pháp can thiệp khác với tiếng vo ve đường truyền 60-Hz.

Làm thế nào bạn có thể nhận biết nhiễu ảnh nháy mắt trên đường ghi EEG?

Một cái nháy mắt xuất hiện dưới dạng một sóng chậm, dương, lớn, mạnh nhất ở các điện cực vùng trán như Fp1 và Fp2, và nó nhanh chóng biến mất về phía các kênh trung tâm hoặc phía sau. Vì giác mạc mang điện tích dương so với võng mạc, việc mí mắt quét qua lưỡng cực này tạo ra một độ lệch biên độ cao, đặc trưng, dễ dàng phát hiện ra khi được đào tạo.

Tại sao hoạt động cơ có thể đặc biệt rắc rối cho các giao diện não - máy tính?

Nhiễu ảnh cơ do nghiến hàm, nhíu mày hoặc căng cổ tạo ra nhiễu tần số cao, lởm chởm thường trùng lặp với các dải sóng não beta và gamma nơi các phép đo nhận thức và giám sát trạng thái tinh thần hoạt động. Sự ô nhiễm này có thể làm hỏng các phân tích thuật toán và làm giảm hiệu suất của các mô hình giao diện não - máy tính, khiến nó trở thành một trong những nhiễu ảnh sinh lý rắc rối nhất cần quản lý.

Nhiễu ảnh nhiễu điện lưới trông như thế nào, và nguyên nhân gây ra nó là gì?

Nhiễu điện lưới xuất hiện dưới dạng một tiếng vo ve hình sin nhịp nhàng, liên tục đè lên mọi kênh EEG, thường ở tần số 50 hoặc 60 Hz tùy thuộc vào nguồn cung cấp điện của khu vực. Nó phát sinh từ sự ghép điện dung của nguồn điện vào hệ thống ghi do trở kháng điện cực kém, che chắn không đầy đủ hoặc các vấn đề nối đất, và nó rõ ràng là một nhiễu ảnh kỹ thuật hơn là một tín hiệu thần kinh.

Tại sao việc chú thích thủ công các nhiễu ảnh trong quá trình ghi lại quan trọng?

Việc ghi nhật ký liên tục các chuyển động thô, ho hoặc điều chỉnh điện cực trong suốt phiên giúp thu hẹp phạm vi các phân đoạn dữ liệu xấu sau này và chuyển đổi phỏng đoán thành tài liệu có thể tái lập. Chú thích thủ công này cũng phản ánh việc dán nhãn của chuyên gia được sử dụng để đào tạo các bộ phân loại tự động, cung cấp một dữ liệu chuẩn giúp cải thiện độ tin cậy của cả việc làm sạch thủ công và tính toán.

Mục đích của việc nội suy một kênh EEG bị nhiễu liên tục là gì?

Khi một điện cực đơn lẻ không đáng tin cậy trong suốt quá trình ghi do tiếp xúc lỏng hoặc gel bị khô, nội suy sẽ tái tạo dữ liệu của kênh đó từ các điện cực sạch lân cận bằng cách sử dụng phân bố điện áp không gian trên da đầu. Điều này bảo toàn số chiều tổng thể của tập dữ liệu cho các phân tích địa hình, tránh việc mất dữ liệu xảy ra nếu toàn bộ kênh bị loại bỏ.

Phân tích thành phần độc lập (ICA) giúp ích như thế nào trong việc loại bỏ nhiễu ảnh?

ICA phân rã các tín hiệu EEG hỗn hợp thành các thành phần nguồn độc lập về mặt thống kê, tách biệt các lần nháy mắt, hoạt động cơ và các nhiễu ảnh khác dựa trên các mô hình không gian và thời gian độc đáo của chúng. Sau khi được xác định, một thành phần nhiễu ảnh—như một thành phần có hình chiếu vùng trán khớp với một cái nháy mắt—nội dung đó có thể được loại bỏ, giữ cho các tín hiệu thần kinh cơ bản phần lớn nguyên vẹn và xử lý nhiều nguồn nhiễu ảnh đồng thời hiệu quả hơn các phương pháp hồi quy đơn giản.

Rủi ro của việc quá tích cực trong loại bỏ nhiễu ảnh tự động là gì?

Loại bỏ quá mức có thể vô tình tước đi thông tin thần kinh thực sự, vì một số thành phần mang cả phương sai nhiễu ảnh và hoạt động não hữu ích. Ngay cả khi các bộ phân loại tự động gắn cờ nhiều thành phần, việc xem xét thủ công xem thành phần nào cần loại bỏ là điều nên làm để đảm bảo rằng ngưỡng loại bỏ không loại bỏ tín hiệu thiết yếu cho việc giải mã ý định của người dùng hoặc phát hiện các chỉ dấu sinh học nhận thức.

Tại sao nhận thức về nhiễu ảnh trực tiếp ảnh hưởng đến tính toàn vẹn khoa học của một bản ghi EEG?

Nhiễu ảnh có thể giả mạo dưới dạng các dạng sóng bệnh lý hoặc tạo ra phương sai làm bóp méo cả diễn giải bằng mắt và phân tích định lượng, có khả năng làm thay đổi các phân loại lâm sàng hoặc che khuất các tín hiệu nhận thức tinh tế. Một quy trình kỷ luật trong việc ngăn ngừa, lập tài liệu và làm sạch thủ công các nhiễu ảnh là thiết yếu trước bất kỳ quá trình xử lý tính toán nào, đảm bảo rằng các kết luận rút ra từ dữ liệu là đáng tin cậy và không bị ô nhiễm bởi các chất gây nhiễu.