BCGGAN：使用生成对抗网络同时去除脑电图和功能磁共振成像中的血球心动图伪迹
摘要：用于同步脑电图-功能磁共振成像（EEG-fMRI）数据采集和分析的技术具有高时间和空间分辨率的优势，并广泛应用于脑科学的各个研究领域。然而，在脑部功能磁共振成像（fMRI）过程中，心动反射球光图（BCG）噪声可能严重污染EEG信号。作为一个成对问题，BCG噪声去除一直是一个相当大的挑战。为了提供解决方案，本文提出了一种新的模块化生成对抗网络（GAN）和相应的训练策略，通过优化每个模块的参数来改善网络性能。通过这种方式，我们希望提高网络模型的局部表示能力，从而改善其整体性能并获得一个可靠的BCG噪声去除生成器。此外，所提出的方法不依赖额外的参考信号或复杂的硬件设备。实验结果表明，与多种方法相比，本文提出的技术能更有效地去除BCG噪声同时保留基本的EEG信息。
作者：Guang Lin, Jianhai Zhang, Yuxi Liu, Tianyang Gao, Wanzeng Kong, Xu Lei, Tao Qiu
论文ID：2011.01710
分类：Machine Learning
分类简称：cs.LG
提交时间：2023-09-01