EEG 数据中的肌电伪迹去除：随机方法（ICA 和 CCA）与确定性方法（EMD 和小波方法）的比较

基于摘要分析。该研究针对癫痫发作间期棘波 EEG 受到肌电伪迹污染的问题，比较 independent component analysis（ICA）、canonical correlation analysis（CCA）、empirical mode decomposition（EMD）和 wavelet transform（WT）的去噪能力，重点考察污染程度与棘波源配置如何影响方法选择。其主要研究对象是癫痫 EEG 去伪迹及源定位，并非 BCI 解码性能。 方法与评估：作者将 ICA、CCA 归为随机盲源分离方法，将 EMD、WT 归为确定性方法。实验模拟两种源配置下的癫痫棘波样 EEG，并叠加不同水平的真实 EEG 记录中的肌电活动。评估包括去噪信号与原始无伪迹信号之间的归一化均方误差，以及无伪迹、受污染和伪迹校正后信号的源定位结果比较；摘要还提到一名癫痫患者真实记录的测试。 结果：作者报告，在模拟与真实数据测试中，EMD 对严重肌电污染数据的去噪表现优于其他三种方法。按源配置进一步区分，单一皮层源且噪声较低时，CCA 和 ICA 的校正效果最好；两个不同源且噪声较高时，EMD 或 ICA 更可靠，噪声较低时则 WT 更好。这些条件性结果支持作者的结论：方法表现取决于污染程度和信号背后的源配置，不能脱离评估条件给出统一排名。摘要未提供具体误差数值或源定位改善幅度。 局限与复现条件：尚需核对模拟源与头模型、污染水平定义、各算法的参数及伪迹识别与去除规则、源定位方法，以及真实患者数据的参考标准。作者还讨论了数值复杂度，但具体计算成本尚未验证；实验协议、消融及统计信息尚未验证。对 BCI 预处理的可用性也需独立验证，不能将癫痫棘波保真与源定位改善直接等同于解码收益。