跳到正文

算法、任务与模态

Artifact Robustness 最新动态

Artifact Robustness 研究索引;按可核对的标签归档,不以热度评价质量。

82 条精选近 30 天 11 条共收录 164 条

更新

精选归档 · 第 5 页

1月1日周一第 81–82 条
  1. OpenReview · EEG71

    局灶性癫痫发作间期 fMRI 的独立成分分析:与基于广义线性模型的 EEG 相关 fMRI 分析比较

    基于摘要分析。本研究针对局灶性癫痫同步 EEG–fMRI 分析依赖头皮 EEG 可见发作间期癫痫样放电(IED)的问题,比较数据驱动的空间独立成分分析(ICA)与 EEG 驱动的广义线性模型(GLM),评估 ICA 是否能够提取与 IED 相关的 BOLD 活动。这是癫痫相关脑功能成像研究,并非 BCI 解码方法研究。 传统 GLM 使用头皮 EEG 上识别的 IED 构建分析模型;当 EEG 未显现 IED 时,该策略难以发挥作用。作者对八名局灶性癫痫患者的 fMRI 数据应用空间 ICA,将提取的独立成分自动分类为 BOLD 相关成分、运动伪影、EPI 磁敏感伪影、大血管成分及高空间或时间频率噪声,再依据时空标准评估 ICA 与 EEG 驱动 GLM 结果的一致性。摘要未提供分类器具体实现及一致性判据。 作者报告,在上述八名患者的分析中,自动分类使候选独立成分数量减少 78%,平均保留 16 个 BOLD 相关成分;每名患者均有一个独立成分满足与 IED 驱动 GLM 结果相对应的时空标准。这支持 ICA 能够提取与已知 IED 相关 BOLD 模式一致的成分,但不等同于对 EEG 不可见癫痫活动的独立验证。 作者认为,其余成分与自发脑活动的 BOLD 模式相符,并可能包含头皮 EEG 未显现的癫痫活动;这一解释仍需独立证据确认。摘要未给出额外成分的临床参照验证、定位准确性或假阳性指标。实验协议、消融及统计信息尚未验证,复现还需核对 fMRI 预处理、ICA 配置、自动分类规则及 GLM 建模细节。当前材料不支持将该结果直接推断为 EEG/BCI 性能提升。

    阅读价值:值得阅读其空间 ICA 成分筛选与 EEG 驱动 GLM 的时空一致性验证思路,但摘要不足以确认额外成分能否识别头皮 EEG 未显现的癫痫活动。

1月1日周日
  1. OpenReview · EEG70

    基于约束 ICA 去除 MRI 内采集的视觉诱发电位 EEG 信号中的心冲击图与眼电伪迹

    基于摘要分析。该研究针对同步 EEG–fMRI 采集中 BCG(心冲击图)与 EOG(眼电)伪迹干扰微弱诱发响应的问题,提出用约束独立成分分析(cICA)同时识别并去除两类伪迹,以恢复 MRI 内采集的视觉诱发电位(VEP)。研究对象是 MRI 环境下的 EEG 去伪迹与诱发电位恢复,而非 BCI 解码性能。 核心机制是为 BCG 和 EOG 伪迹设计参考函数,将其作为 cICA 的约束,引导算法识别对应的独立成分(ICs);随后移除这些成分并重构 EEG,再提取 VEP。相较于摘要中的标准模板减法对照,该方法的关键区别在于利用参考信息约束成分识别,而不是直接进行模板相减。参考函数的具体构造、约束形式、优化过程及成分选择规则尚未验证。 评估中,作者分别从 cICA 与标准模板减法处理后的 MRI 内 EEG 生成 VEP,并与 MRI 外采集 EEG 得到的 VEP 比较。作者报告,cICA 优于标准 BCG 伪迹去除方法,但摘要未提供量化指标或明确说明所谓效率特点,因此不能据此判断改善幅度、统计显著性或计算效率。 复现与证据核对需关注 MRI 内外采集条件是否可比、视觉刺激及 VEP 提取流程、参考函数所需的辅助记录,以及去除伪迹成分时是否保留真实诱发响应。被试数、采集参数、实验协议、消融及统计信息尚未验证;摘要也不足以确认该方法对其他 EEG 任务或 BCI 在线应用的有效性。

    阅读价值:值得阅读的具体原因是以伪迹参考函数约束 cICA,同时识别 MRI 内 EEG 的 BCG 与 EOG 成分,并以 MRI 外 VEP 作为参照评估去伪迹效果;性能优势目前仅有摘要中的定性报告。