面向 EEG 监测与脑机接口的实时噪声消除

基于摘要分析。研究针对原始 EEG 信噪比低、在线清理困难的问题，将离线 SOUND 算法改造为实时版本 rtSOUND，并集成至开源 EEG 处理软件。其核心贡献是通过逐样本空间滤波与异步滤波器更新，在连续数据流中实现自适应噪声抑制。 机制上，rtSOUND 利用 EEG 前向模型对 EEG 时间序列进行交叉验证，估计噪声的空间分布，并生成线性空间滤波器。与常规时间滤波不同，该方法不预设脑信号与噪声的频率成分，而是假设噪声的空间分布不同于脑活动产生的分布。流入的每个 EEG 样本由当前滤波器同步处理，滤波器则在异步并行进程中周期性更新，以适应数据状态变化。 作者在来自 25 名健康被试的 TMS–EEG 与静息态 EEG 数据上验证了该方法，报告 TMS 诱发电位和静息态数据的 SNR 在多种指标下均有改善；低 SNR 通道获益尤其明显，同时高质量通道的波形得以保留。作者还报告算法能够处理以 5 kHz 采样率流入的数据，但摘要未给出具体延迟、硬件配置、更新周期或各指标的数值，因此这一吞吐能力不能直接等同于已满足所有闭环应用的延迟要求。 阅读与复现时，应重点核对前向模型的构建条件、空间分布假设的适用范围、滤波器更新时的信号保真度，以及相较其他实时清理方法的收益。摘要未提供软件名称、代码地址、详细实验协议、消融及统计信息，上述内容尚未验证；当前证据支持 EEG 信号质量改善，尚不能据此认定 BCI 解码性能或脑状态依赖刺激效果已得到提升。材料为预印本，未取得全文。