てんかん脳の機能的結合性: EEG データの前処理 – パート 2

同カテゴリーの次の記事

てんかん脳の機能的結合性: てんかん脳の結合性調査 - パート 1

この記事は、インテル® デベロッパー・ゾーンに公開されている「Functional Connectivity of Epileptic Brains: Preprocessing EEG Data – Week 2 Update」の日本語参考訳です。


EEG データは、機器や施設に応じて、さまざまなファイル形式で記録できます。ここでは、単純なテキストファイルに含まれる EEG データを使用します。

EEG データをインポートしたら、最初にデータを前処理します。これにより、アーチファクト (雑音) により生成された情報ではなく、神経活動からの重要な情報を絞り込むことができます。EEG データに含まれる最も一般的なアーチファクトは、次の図に示す、瞬きと 60Hz の電力線干渉です。

60Hz の電力線干渉を検出する最も直感的な方法は、信号のスペクトグラムを生成して、プロットの 60Hz 周波数成分のピークを検出します。このアーチファクトを除去する最も簡単な方法は、EEG 信号の 60Hz 周波数成分を除去するノッチフィルターを適用することです。

生体運動である瞬きの検出はやや困難です。EEG データから瞬きのパターンを識別するには、経験と専門家からのアドバイスが必要です。瞬きを検出する最も簡単な方法は、患者の録画映像のタイムスタンプと EEG データを一致させることです。瞬きによるアーチファクトを除去するには、独立成分分析 (ICA) をデータに適用します。ICA は、ソースからデータを分離します。

画像の出典: https://www.hindawi.com/journals/isrn/2011/672353/fig1/ (英語)

インポートしたデータに ICA を適用したら、次の図に示すように、EEG データの各 ICA 成分のプロットを生成できます。そして、プロットから除去する成分を選択し、0 に設定します。ここでは、成分 #IC17 と #IC18 がアーチファクトであると考えられるため、データから除去します。次に、残りの ICA 成分からクリーン済みの EEG データを再構成します。

次の図は、オリジナルの EEG データ (左) と前処理済みのデータ (右) です。アーチファクトが除去されたことが分かります。これで、次のステップに進む準備ができました。

前のステップ: てんかん脳の機能的結合性: てんかん脳の結合性調査 – パート 1

次のステップ: 機能的結合性の抽出 – パート 3

コンパイラーの最適化に関する詳細は、最適化に関する注意事項を参照してください。

関連記事