ICA可以将脑电信号分解为多个IC分量,由每个分量的平均功率地形图可以看出哪些分量属于伪迹,去除伪迹分量后,即可得到“干净”的脑电信号。本教程主要总结如何人工识别出ICA伪迹分量,不涉及ICA的原理讲解。
本教程的主要知识来源是ICLabel官网SCCN: Independent Component Labeling --- SCCN:独立组件标签 (ucsd.edu)
ICLabel致力于自动识别IC分量属于哪种伪迹,并标记伪迹占比,可以在eeglabel中很方便地使用。ICLabel给出了几种常见伪迹的特点,本教程主要是根据ICLabel给出伪迹特点,对自己的数据集手动去除伪迹,以更深入了解自己数据集的质量和伪迹特点。
1. 常见脑电伪迹及其特点
1.1 正常脑电信号的特点
- 偶极子拟合的残差(RV)很低,通常低于 15%
- 功率谱随频率增加而减小
- 功率谱的峰值通常在 5 到 30 Hz 之间,最常见的峰值在 10 Hz
- 任务态的脑电可能有明显的ERP
例1:单偶极子脑电
这种单个区域激活比较强的,可能表现该脑电与大脑某个偶极子拟合,主要看功率谱在10Hz上有明显峰值,且RV<15%。
例2:深偶极子脑电
1.2 眼电伪迹的特点
- 集中在Fp1、Fp2这种接近眼睛位置的导联
- 功率集中在低频(<5Hz)
- 眼电信号类似阶跃函数
例1:眨眼伪迹
集中在前额区,且功率集中在低频段,波形呈阶跃函数状
例2: 眼动伪迹
集中在前额侧,出现左右侧功率正负的地形图,功率集中在低频段
例3:带其他伪迹的眼动伪迹
集中在前额侧,出现左右侧功率正负的地形图,功率集中在低频段,但其他频段也有数据
1.3 肌电伪迹特点
- 功率集中在高频率(20Hz及以上)
- 在脑电地形图上,位于颅骨外或很接近颅骨
位于颅骨外,功率集中在高频段
1.4 心电伪迹特点
- 1Hz左右
- 线性梯度的地形图
地形图分布均匀,呈线性梯度,波形图有规律的峰值
1.5 工频噪声
功率谱峰值在 50Hz 或 60Hz
1.6 通道噪声
由通道接触不良、电极滑动引起的噪声,几乎所有权重都集中在一个通道,通常不影响其他通道。
- 局灶性的地形图
- 一直保持一致起伏或幅值很大的曲线
- 功率谱递减
1.7 其他
不归属于以上任何一个伪迹,可能是脑电与其他伪迹的混合,主要表现为斑点状、零散状地形图