薛定谔滤波结合阈值算法在核磁脑电梯度伪迹去噪的应用

基于功能磁共振(fMRI)同步采集的脑电图(EEG),在使用平均模板相减法(AAS)预处理之后,仍存在梯度残留尖峰伪迹。需要更准确地去除残留尖峰,以减少基于频率的活动推断的干扰,降低时间序列之间的虚假相关性。本文针对EEG数据中尖峰伪迹的特性,先使用薛定谔滤波方法分解并识别包含尖峰的EEG数据,自动减去与EEG幅度相差较大的大部分尖峰成分,然后使用幅度阈值方法,通过逆补余误差定位与EEG幅度相当的残留尖峰,实现对尖峰伪迹的定位与去除。对于模拟信号,该方法得到的信号幅值误差(Er)较薛定谔滤波方法平均提高24.95%,信噪比(SNR)较薛定谔滤波方法提高27.13%;对于真实信号,本文方法得到皮尔逊相关系数明显小于另外4种方法,去噪效果较薛定谔滤波方法提升11.42%。无论是尖峰位于波形波谷,还是高频波动幅度与峰值相当的情况下,薛定谔滤波结合阈值算法较其他方法尖峰识别精度和去噪效果明显提高。此去噪方法为EEG-fMRI的融合研究提供了强有力的支持。