Фундаментальное исследование загрязнения ЭЭГ мышечными артефактами
ЭЭГ регистрировали у шести испытуемых во время искусственно вызыванного паралича. Эту ЭЭГ использовали как бейзлайн для сравнения с нею их обычной ЭЭГ в состоянии покоя, в том числе обработанной различными методами удаления ЭМГ-артефактов. Как оказалось, полностью очистить ЭЭГ в бета и гамма диапазонах можно лишь в центральных отведениях, да и там лишь специальной комбинацией методов.
Тем самым ставятся под весьма обоснованное сомнение результаты очень большого числа исследований, в том числе связанных с интерфейсами мозг-компьютер (где авторы редко отслеживают с достаточной тщательностью возможный вклад мышечных артефактов).
CCA-EEGLab-processed EEG remains contaminated almost as much as unprocessed EEG
ICA-EEGLab achieves effective pruning of EMG in beta EEG activity in nearly all leads; however, gamma1 and 2 EEG remain heavily contaminated
CCA-SVM achieves good pruning in beta EEG activity, even in lateral leads. Gamma EEG activity, however, remains severely contaminated ... In contrast, Laplacian transforms of CCA-SVM data almost eliminate EMG contamination over the entire scalp
Estimates of EMG contamination of scalp EEG in the range 1–100 Hz reveal that no method of EMG pruning adequately decontaminates EEG data in the analysis of beta and gamma frequencies. Laplacian/CSD methods combined with pruning methods can provide EMG-free measures in central scalp areas
how can investigators safely proceed? We suggest general rules would be as follows: start with at least 64-channel recordings; always prune resting EEG recordings, the best methods being Infomax EEGLAB and CCA-SVM (Janani et al., 2020); after pruning, apply Laplacian transforms to provide reliable data in central scalp areas
Kenneth J. Pope, Trent W. Lewis, Sean P. Fitzgibbon, Azin S. Janani, Tyler S. Grummett, Patricia A. H. Williams, Malcolm Battersby, Tarun Bastiampillai, Emma M. Whitham, John O. Willoughby. Managing electromyogram contamination in scalp recordings: An approach identifying reliable beta and gamma EEG features of psychoses or other disorders. Brain and Behavior, 2 August 2022, e2721 https://doi.org/10.1002/brb3.2721 (Open Access)
ЭЭГ регистрировали у шести испытуемых во время искусственно вызыванного паралича. Эту ЭЭГ использовали как бейзлайн для сравнения с нею их обычной ЭЭГ в состоянии покоя, в том числе обработанной различными методами удаления ЭМГ-артефактов. Как оказалось, полностью очистить ЭЭГ в бета и гамма диапазонах можно лишь в центральных отведениях, да и там лишь специальной комбинацией методов.
Тем самым ставятся под весьма обоснованное сомнение результаты очень большого числа исследований, в том числе связанных с интерфейсами мозг-компьютер (где авторы редко отслеживают с достаточной тщательностью возможный вклад мышечных артефактов).
CCA-EEGLab-processed EEG remains contaminated almost as much as unprocessed EEG
ICA-EEGLab achieves effective pruning of EMG in beta EEG activity in nearly all leads; however, gamma1 and 2 EEG remain heavily contaminated
CCA-SVM achieves good pruning in beta EEG activity, even in lateral leads. Gamma EEG activity, however, remains severely contaminated ... In contrast, Laplacian transforms of CCA-SVM data almost eliminate EMG contamination over the entire scalp
Estimates of EMG contamination of scalp EEG in the range 1–100 Hz reveal that no method of EMG pruning adequately decontaminates EEG data in the analysis of beta and gamma frequencies. Laplacian/CSD methods combined with pruning methods can provide EMG-free measures in central scalp areas
how can investigators safely proceed? We suggest general rules would be as follows: start with at least 64-channel recordings; always prune resting EEG recordings, the best methods being Infomax EEGLAB and CCA-SVM (Janani et al., 2020); after pruning, apply Laplacian transforms to provide reliable data in central scalp areas
Kenneth J. Pope, Trent W. Lewis, Sean P. Fitzgibbon, Azin S. Janani, Tyler S. Grummett, Patricia A. H. Williams, Malcolm Battersby, Tarun Bastiampillai, Emma M. Whitham, John O. Willoughby. Managing electromyogram contamination in scalp recordings: An approach identifying reliable beta and gamma EEG features of psychoses or other disorders. Brain and Behavior, 2 August 2022, e2721 https://doi.org/10.1002/brb3.2721 (Open Access)