用于检测并且去除EEG伪像的方法和系统

技术领域

本发明总体上涉及EEG记录。更具体地，本发明涉及从EEG记 录检测并且过滤伪像。

背景技术

脑电图(EEG)是测量并且记录人脑的电活动以便对大脑功能进 行评估的诊断工具。多个电极被连接至人的头部并且通过连线连接至 机器。该机器对信号进行放大并且记录人脑的电活动。该电活动由跨 多个神经元的神经活动的总和产生。这些神经元生成小幅电压场。这 些电压场的汇总创建了人的头部上的电极能够检测并且记录的电读 数。EEG是多个较简单信号的叠加。在正常成年人中，EEG信号的 振幅通常为从1微伏到100微伏的范围，并且当利用硬膜下电极进行 测量时，EEG信号大约为10至20毫伏。对电信号的振幅和时间动态 进行监视提供了关于人的潜在神经活动和身体状况的信息。

执行EEG以：诊断癫痫；验证伴有意识丧失或痴呆的问题；验 证处于昏迷的人的脑活动；研究睡眠障碍，监视外科手术期间的脑活 动，以及另外的身体问题。

多个电极(通常为17-21个，然而存在至少70个电极的标准位置) 在EEG期间被附接至人的头部。电极通过电极关于人脑的叶片或区 域的位置而进行参照。该参照如下：F＝额部；Fp＝额极；T＝颞骨；C＝ 中枢；P＝顶骨；O＝枕骨；以及A＝耳部(耳朵电极)。编号被用来进 一步收窄位置并且“z”点涉及人的头部中线中的电极位置。心电图 (EKG)也可以出现在EEG显示器上。

EEG使用被称作蒙太奇(montage)的电极的各种组合记录来自 不同放大器的脑波。蒙太奇通常被创建以提供EEG跨皮质的空间分 布的清晰画面。蒙太奇是从记录电极的空间阵列获得的电子图，并且 优选地指的是在特定时间点被检查的特定电极组合。

在双极蒙太奇中，通过将一个通道的电极输入2连接至后续通道 的输入1而将连续电极对联接起来，而使得相邻通道具有一个共用电 极。双极电极链可以从前向后(纵向)或者从左向右(横向)连接。 在双极蒙太奇中，两个活动电极位置之间的信号进行比较，导致所记 录的活动的差异。另一种类型的蒙太奇是参考蒙太奇或单极蒙太奇。 在参考蒙太奇中，各个电极被连接到每个放大器的输入1，而参考电 极则连接至每个放大器的输入2。在参考蒙太奇中，在活动电极位置 处采集信号并且将其与共用的参考电极进行比较。

参考蒙太奇对于确定波形的实际振幅和形态而言是很好的。对于 颞骨电极而言，CZ通常是良好的头皮参考。

能够确定电活动的原点的位置(定位)对于能够分析EEG而言 是非常关键的。双极蒙太奇中对正常或异常脑波的定位通常通过识别 “相位反转”(链内指向相反方向的两个通道的偏转)来实现。在参 考蒙太奇中，所有通道可以在相同方向上显示出偏转。如果活动电极 处的电活动在与参考电极处的活动相比时是正的，则偏转将是向下 的。电活动与参考电极处的相同的电极将不会显示出任何偏转。通常， 具有最大向上偏转的电极表示参考蒙太奇中的最大负活动。

一些模式指示了人体中疾病发作的趋势。医师可以将这些波称为 “癫痫样异常”或“癫痫波”。这些包括尖峰(spike)、锐波以及尖 峰和波形放电(spike-and-wave discharge)。特定脑部区域(诸如左 侧颞叶)中的尖峰和锐波指示部分疾病发作可能来自于该区域。另一 方面，大多数一般性癫痫由尖峰和波形放电所暗示，该尖峰和波形放 电在脑部的两个半球上广泛分布，尤其在它们同时在两个半球中开始 的情况下。

存在若干种类型的脑波：alpha波、beta波、delta波、theta波和 gamma波。alpha波具有8至12赫兹(Hz)的频率。alpha波通常在 人放松或者处于当人的眼睛闭上但是人在精神上警觉时的清醒状态 时出现。alpha波在人的眼睛睁开或者人集中注意力时停止。beta波 具有13Hz至30Hz的频率。beta波通常在人警觉、思考、激动或者摄 入高剂量的某种药物时出现。delta波具有小于3Hz的频率。delta波 通常仅在人睡着时(非REM或无梦睡眠)或者当其为幼儿时出现。 theta波具有4Hz至7Hz的频率。Theta波通常仅在人睡着时(有梦或 REM睡眠)或者当其为幼儿时出现。gamma波具有30Hz至100Hz 的频率。gamma波通常在较高的智力活动和运动机能期间出现。

这里使用以下定义。

“振幅”是指从波谷到最大峰值(负的或正的)测量的垂直距离。 其表示在分量生成期间关于神经元数量大小及其激活同步的信息。

术语“模数转换”是指模拟信号被转换为数字信号，该数字信号 能够随后被存储在计算机中以进一步处理。模拟信号是“真实”信号 (例如，诸如脑电图、心电图或眼电图之类的生理信号)。为了便于 它们由计算机存储和操控，这些信号必须被转换为计算机能够理解的 离散数字形式。

“伪像(artifact)”是由EEG沿头皮检测的、但是源自非大脑原 点的电信号。存在与患者相关的伪像(例如，移动、出汗、ECG、眼 部移动)以及技术伪像(50/60Hz伪像、线缆移动、与电极糊相关的)。

术语“差分放大器”是指电生理学设备的关键。其对两个输入之 间的差异进行放大(每个电极对一个放大器)。

“持续时间”是从电压变化的开始到其回到基线的时间间隔。它 也是分量生成中所涉及的神经元的同步激活的度量。

“电极”是指用来与电路的非金属部分一起建立电接触的导体。 EEG电极是通常由涂覆有氯化银涂层的不锈钢、锡、金或银制成的小 型金属圆片。它们在特定位置处被置于头皮上。

“电极凝胶(gel)”用作电极的可塑性延伸，使得电极引线的移 动不太可能产生伪像。凝胶使得皮肤接触最大化并且允许通过皮肤进 行低电阻记录。

术语“电极定位”(10/20系统)是指用于经典EEG记录的头皮 电极的标准化布置。该系统的实质是10/20范围在鼻根-枕外隆凸尖 (Nasion-Inion)和固定点之间的百分比距离。这些点被标记为额极 (Fp)、中枢(C)、顶骨(P)、枕骨(O)和颞骨(T)。中线电 极利用下标z进行标记，其代表零。奇数被用作左侧半球上的点的下 标，而偶数则被用作右侧半球上的点的下标。

“脑电图”或“EEG”是指由脑电图描记器通过从头皮记录脑的 电活动而对脑波进行的跟踪。

“脑电图描记器”是指用于检测并且记录脑波的装置(也被称作 脑电图仪)。

“癫痫样”是指类似癫痫的症状。

“滤波”是指从信号中去除不需要的频率的过程。

“滤波器”是改变信号的频率组成的设备。

“蒙太奇”意指电极的布置。EEG可以利用双极蒙太奇或者参考 蒙太奇来监视。双极意味着每一个通道有两个电极，所以每个通道有 一个参考电极。参考蒙太奇则意味着所有通道有共用的参考电极。

“形态”是指波形的形状。波或EEG图案的形状由组合以构成 波形的频率以及由它们的相位和电压关系来确定。波的图案能够被描 述为：“单态的”，表现为由一个主导活动组成的不同EEG活动； “多态的”，由进行组合以形成复杂波形的多个频率组成的不同EEG 活动；“正弦的”，类似正弦波的波，单态活动通常是正弦的；“瞬 态的”，与背景活动明显不同的单独的波或图案。

“尖峰”是指具有所指示的峰值以及从20到70毫秒以下的持续 时间的瞬态。

术语“锐波”是指具有所指示的峰值以及70-200毫秒的持续时间 的瞬态。

术语“神经网络算法”是指识别出具有成为癫痫样异常的高概率 的锐波瞬态的算法。

“噪声”是指改变所期望的信号的任何不需要的信号。其可以具 有多个源。

“周期性”是指图案或要素在时间上的分布(例如，特定EEG 活动以或多或少的固定时间间隔出现)。该活动可以是全身性的 (generalized)、病灶的(focal)或者偏侧性的(lateralized)。

EEG初相(epoch)是作为时间和频率的函数的EEG信号的振幅。

为了对从EEG自动去除伪像进行优化，重要的是要选择最优蒙 太奇作为输入并且随后使用所产生的经处理的蒙太奇来产生用户或 者另外的信号处理算法所需的蒙太奇。所公开的算法并未对该过程进 行描述，并且使用所记录的蒙太奇作为输入或者对用户已经选择进行 观看的单一蒙太奇直接执行伪像去除。

所有数字EEG记录作为各电极与参考或接地电极之间的差异而 被记录。这被称作所记录的蒙太奇。随后能够使用数学变换来产生所 需的任意其它蒙太奇。当执行信号检测时，所记录的蒙太奇可能由于 接地电极的位置而并非是最优起始点。相反，最优起始点经常使用头 顶电极作为诸如国际标准中所称的CZ之类的参考。然而，CZ电极可 能被折中或者以其它方式并非是最优的，在这种情况下，有必要搜索 不同的参考电极。

一种用于检测并且去除某种类型的EEG伪像的惯用方法是使用 如CCA和ICA之类的技术将原始信号分离成个体来源。随后，对个 体来源进行检查以查看该个体来源是否可能由已经作为目标的伪像 类型所产生。如果伪像目标的类型是每个个体来源的伪像的类型，则 去除该伪像并且使用剩余来源对信号进行重构。

发明内容

本发明提供了针对该问题的解决方案。

在本发明中，每个个体的单独来源通过其自身被重构回最优蒙太 奇并且对该蒙太奇进行检验以查看其是否与所检测的伪像相符。针对 每个来源重复该过程，并且去除被确定为表示伪像的任何来源，并且 随后从剩余来源重构信号。

本发明避免了在尝试辨识出伪像是源空间时所发现的缺陷。首 先，源信号的符号和物理振幅(例如，uV)是未知的。其次，源信号 的空间表示是高度可变的并且取决于所使用的蒙太奇和参考，这使得 伪像的辨识明显更为困难。

在针对眨眼消除的一个示例中，首先使用BSS(盲源分离)将初 相分离成多个来源。随后将每个来源重构为所记录的蒙太奇并且随后 被重构为CZ参考蒙太奇，后者被认为对于识别眨眼类型的伪像而言 是最优的。通过神经网络对CZ参考蒙太奇的通道进行检查以确定其 是否可能为任何眨眼。如果是，则该特定来源被去除并且该算法继续 进行至下一个来源。然而，如果CZ电极存在问题，则将针对该来源 选择不同的参考电极。

本发明的一个方面是一种用于检测并且去除EEG伪像的方法。 该方法包括生成EEG信号。该方法还包括将该EEG信号分离成多个 来源。该多个来源中的每个来源针对选择的伪像类型而被分离。该方 法还包括将该多个来源中的每个来源重构为记录的蒙太奇和最优参 考蒙太奇，以辨识出该多个来源中的每个来源的所选择的伪像类型。 该方法还包括针对该多个来源中的每个来源对最优参考蒙太奇的多 个通道进行检查，以确定所选择的伪像类型是否为该多个来源中的每 个来源的实际伪像。该方法还包括确定所选择的伪像类型是该多个来 源中的每个来源的实际伪像。该方法还包括去除该多个来源中针对所 选择的伪像类型的每个来源以生成多个剩余来源。该方法还包括将该 多个剩余来源重构为该EEG信号的经滤波的蒙太奇。

本发明的另一个方面是一种用于检测并且去除EEG伪像的方法。 该方法包括利用盲源分离算法将EEG记录的初相分离成多个来源。 该多个来源中的每个来源针对选择的伪像类型而被分离。该方法还包 括将该多个来源中的每个来源重构为记录的蒙太奇和最优参考蒙太 奇，以辨识出该多个来源中的每个来源的所选择的伪像类型。该方法 还包括针对该多个来源中的每个来源对最优参考蒙太奇的多个通道 进行检查，以确定所选择的伪像类型是否为该多个来源中的每个来源 的实际伪像。该方法还包括确定所选择的伪像类型是该多个来源中的 每个来源的实际伪像。该方法还包括去除该多个来源中针对所选择的 伪像类型的每个来源以生成多个剩余来源。该方法还包括将该多个剩 余来源重构为该EEG信号的经滤波的蒙太奇。

本发明的又另一个方面是一种用于检测并且去除EEG伪像的方 法。该方法包括将EEG记录分离成多个来源，该多个来源中的每个 来源针对选择的伪像类型而被分离。该方法还包括将该多个来源中的 每个来源重构为记录的蒙太奇和最优参考蒙太奇，以辨识出该多个来 源中的每个来源的所选择的伪像类型。该方法还包括针对该多个来源 中的每个来源对最优参考蒙太奇的多个通道进行检查，以确定所选择 的伪像类型是否为该多个来源中的每个来源的实际伪像。该方法还包 括去除该多个来源中针对所选择的伪像类型的每个来源以生成多个 剩余来源。该方法还包括将该多个剩余来源重构为该EEG信号的经 滤波的蒙太奇。

本发明的又另一个方面是一种用于从EEG信号检测并且去除至 少两个伪像的方法。该方法包括将EEG记录分离成多个来源。该多 个来源中的每个来源针对所选择的伪像类型而被分离。该方法还包括 将该多个来源中的第一来源重构为记录的蒙太奇和最优参考蒙太奇 以辨识出第一伪像类型。该方法还包括针对该多个来源中的第一来源 对该最优参考蒙太奇的多个通道进行检查，以确定该第一伪像类型是 否为该多个来源中的第一来源的实际伪像。该方法还包括去除该多个 来源中针对该第一伪像类型的第一来源。该方法还包括将该多个来源 中的第二来源重构为记录的蒙太奇和最优参考蒙太奇以辨识出第二 伪像类型。该方法还包括针对该多个来源中的第二来源对该最优参考 蒙太奇的多个通道进行检查，以确定该第二伪像类型是否为该多个来 源中的第二来源的实际伪像。该方法还包括去除该多个来源中针对该 第二伪像类型的第二来源。该方法还包括将多个剩余来源重构为该 EEG信号的经滤波的蒙太奇。

本发明的又另一个方面是一种用于检测并且去除EEG伪像的系 统。该系统包括电极、处理器和显示器。该电极生成EEG信号。该 处理器连接至该电极以从该EEG信号生成EEG记录。该显示器连接 至该处理器并且显示EEG记录。该处理器被配置为将EEG信号分离 成多个来源，该多个来源中的每个来源针对选择的伪像类型而被分 离。该处理器被配置为将该多个来源中的每个来源重构为记录的蒙太 奇和最优参考蒙太奇以辨识出该多个来源中的每个来源的所选择的 伪像类型。该处理器被配置为针对该多个来源中的每个来源对最优参 考蒙太奇的多个通道进行检查以确定所选择的伪像类型是否为该多 个来源中的每个来源的实际伪像。该处理器被配置为确定所选择的伪 像类型是该多个来源中的每个来源的实际伪像。该处理器被配置为去 除该多个来源中针对所选择的伪像类型的每个来源以生成多个剩余 来源。该处理器被配置为将该多个剩余来源重构为该EEG信号的经 滤波的蒙太奇。

本发明的又另一个方面是一种用于利用盲源分离算法检测并且 去除EEG伪像的系统。该系统包括电极、处理器和显示器。该电极 生成EEG信号。该处理器连接至该电极以从该EEG信号生成EEG记 录。该显示器连接至该处理器并且显示EEG记录。该处理器被配置 为利用盲源分离算法将EEG记录的初相分离成多个来源。该多个来 源中的每个来源针对选择的伪像类型而被分离。该处理器被配置为将 该多个来源中的每个来源重构为记录的蒙太奇和最优参考蒙太奇以 辨识出该多个来源中的每个来源的所选择的伪像类型。该处理器被配 置为针对该多个来源中的每个来源对最优参考蒙太奇的多个通道进 行检查以确定所选择的伪像类型是否为该多个来源中的每个来源的 实际伪像。该处理器被配置为确定所选择的伪像类型是该多个来源中 的每个来源的实际伪像。该处理器被配置为去除该多个来源中针对所 选择的伪像类型的每个来源以生成多个剩余来源。该处理器被配置为 将该多个剩余来源重构为该EEG信号的经滤波的蒙太奇。

本发明的又另一个方面是一种用于从EEG信号检测并且去除至 少两个伪像的系统。该系统包括电极、处理器和显示器。该电极生成 EEG信号。该处理器连接至该电极以从该EEG信号生成EEG记录。 该显示器连接至该处理器并且显示EEG记录。该处理器被配置为将 EEG记录分离成多个来源。该多个来源中的每个来源针对选择的伪像 类型而被分离。该处理器被配置为将该多个来源中的第一来源重构为 记录的蒙太奇和最优参考蒙太奇以辨识出第一伪像类型。该处理器被 配置为针对该多个来源中的第一来源对该最优参考蒙太奇的多个通 道进行检查以确定该第一伪像类型是否为该多个来源中的第一来源 的实际伪像。该处理器被配置为去除该多个来源中针对该第一伪像类 型的第一来源。该处理器被配置为将该多个来源中的第二来源重构为 记录的蒙太奇和最优参考蒙太奇以辨识出第二伪像类型。该处理器被 配置为针对该多个来源中的第二来源对该最优参考蒙太奇的多个通 道进行检查以确定该第二伪像类型是否为该多个来源中的第二来源 的实际伪像。该处理器被配置为去除该多个来源中针对该第二伪像类 型的第二来源。该处理器被配置为将多个剩余来源重构为该EEG信 号的经滤波的蒙太奇。

附图说明

图1是用于分析EEG记录的系统的框图。

图2是经分析的EEG记录的图示。

图3是经分析的EEG记录的图示。

图4是经分析的EEG记录的图示。

图5是经分析的EEG记录的图示。

图6是经分析的EEG记录的图示。

图7是针对EEG的电极布置图。

图8是针对EEG的电极布置详图。

图9是用于针对所基于的EEG优化自动伪像过滤的一般方法的 流程图。

图10是用于针对所基于的EEG优化自动伪像过滤的具体方法的 流程图。

图11是CZ参考蒙太奇的图示。

图12是包含疾病发作、肌肉伪像和眼睛移动伪像的EEG记录的 图示。

图13是去除了肌肉伪像的图12的EEG记录的图示。

图14是去除了眼睛移动伪像的图13的EEG记录的图示。

具体实施方式

如图1所示，EEG系统总体上被表示为20。该系统优选地包括 患者组件30、EEG机器组件40和显示组件50。患者组件30包括附 接至患者15并且通过线缆38导线连接至EEG机器组件40的多个电 极35a、35b、35c。EEG机器组件40包括CPU41和放大器组件42。 EEG机器组件40连接至显示组件50以用于显示组合的EEG报告， 并且用于从经处理的EEG报告切换至组合的EEG报告，或者从经处 理的EEG报告切换至原始EEG报告。

患者具有附接至患者头部的多个电极，来自电极的导线连接至放 大器以用于将信号放大至处理器，该处理器用来对来自电极的信号进 行分析并且创建EEG记录。大脑在患者头部上的不同点产生不同信 号。多个电极如图7和图8所示被定位在患者头部上。CZ点处于中 心。例如，图7上的Fp1在图2上的通道FP1-F3中来表示。电极的 数量决定了用于EEG的通道的数量。较大数量的通道产生患者大脑 活动的较详细的表示。优选地，EEG机器组件40的每个放大器42 对应于附接至患者15的头部的两个电极35。来自EEG机器组件40 的输出是由两个电极检测到的电活动的差异。每个电极的放置对于 EEG报告而言是关键的，原因在于电极对互相越接近，由EEG机器 组件40记录的脑波差异就越小。随本发明采用的电极的更为全面的 描述详见Wilson等人的、题为“Method And Device For Quick Press On  EEG Electrode”的第8112141号美国专利，其因此通过引用全文结合 于此。该EEG针对自动伪像过滤进行了优化。随后使用神经网络算 法对该EEG记录进行处理以生成经处理的EEG记录，该经处理的 EEG记录被分析以进行显示。

用于从EEG去除伪像的算法通常使用如CCA(典型相关分析) 和ICA(独立分量分析)之类的盲源分离(BSS)算法以将来自一组 通道的信号变换为一组分量波或“源”。

图2-图6图示了经分析的EEG记录。分析EEG记录的另外描述 在Wilson等人于2012年9月15日提交的、题为“Method And System  For Analyzing An EEG Recording”的第13/620855号美国专利申请中 给出，其因此通过引用全文结合于此。

当打开Easy SpikeReview程序时，如图2所示，最初呈现Overview (概览)窗口200。该概览描绘了来自由尖峰检测机制检测到的各个 尖峰焦点的平均值。为了创建这些概览平均值，由检测焦点(电极) 对尖峰检测进行分类并且随后对特定焦点处的所有检测进行数学平 均。例如，第一列EEG表示在T3电极具有其最大检测点的2969个 事件的平均值。EEG的列优选地通过细白条与其它列分开。每个EEG 列表示不同的组平均值。每个平均值的主要电极焦点以及结合到每个 平均值中的检测事件的数量205在该EEG列的上方示出。包括检测 焦点电极的通道被高亮显示为红色215。正如诱发电位一样，对多次 检测进行平均导致了信噪比的增加并且使得更易于界定癫痫样异常 的分布区域。

Easy SpikeReview窗口的各种功能包括选择每个页面的尖峰检测 223、EEG电压振幅选择器224、蒙太奇选择器225、LFF(TC)226、 HFF227、陷波228和自定义滤波器229的能力。也可能利用前进和 后退标签222来导航至不处于当前视图中的其它标签。如果存在多于 一个页面的概览平均值，则点击底栏230将向前翻页。右击蒙太奇栏 210将显示蒙太奇控制。

能够在查看过程中对SpikeDetector输出的灵敏度进行动态调节， 这是通过带标记的检测灵敏度滑动器220来完成的。当Easy  SpikeReview初次打开时，检测灵敏度滑动器220被设置在最左侧的 位置。在该位置，SpikeDetector神经网络算法识别出具有是癫痫样异 常的高概率的尖锐瞬态：这些是检测器指定了是实际癫痫样异常的高 概率的事件。该设置处的错误阳性检测率最低。因此，真实癫痫样信 号与错误阳性噪声之比在该设置处最高。然而，一些形成较为不良的 尖峰和锐波可能在滑动器设置在其最低灵敏度的情况下并不明显。检 测器的灵敏度可以通过将滑动器220朝右拖动来快速调节，使得其更 灵敏并且因此更可能识别出形成较为不良或者较低振幅的瞬态。新的 组随后可以出现在尖峰平均值的概览显示中。与真实尖峰检测的增加 相对应地，错误阳性检测也有所增加。

在具有罕见癫痫样异常的记录中或者在其中SpikeDetector神经 网络当被设置为最低灵敏度时不能很好地辨识出癫痫样异常的记录 中，切换至检测灵敏度滑动器220上的最高设置可以允许真实癫痫样 异常的视觉化。在这样的情况下，识别出罕见事件经常要求对个体的 原始检测进行评估。这是通过在概览页面上紧随尖峰平均值背靠背地 显示所有原始检测来实现的，或者是通过在EEG窗口顶端渐进地选 择位置标签221而查看诸如图3中的每个电极位置的检测来实现的。 使用跟随于时间之后的星号325对已经被查看过的检测进行标记。

点击在EEG窗口顶端的任意电极位置标签221将显示出自于该 特定电极位置的原始(非平均的)尖峰检测300。个体检测通过细白 条被分开，并且监测点处于EEG的一秒分段的中心并且由具有指示 检测时间305的标题的模糊的垂直灰色线条所指示。包含该检测中所 涉及的电极的通道被高亮显示为红色310。使用鼠标左键双击任意个 体检测335将使得该特定检测335的展开的EEG视图400(如图4 所示)得以显现。左键双击展开的视图400将使得用户返回背靠背的 个体检测300的显示。

当观看(从EEG窗口上方的标签221访问的)个体尖峰检测时， 示例尖峰能够通过使用鼠标左键点击所期望的示例而被手工标记。作 为所选择的尖峰330的轮廓的矩形将会显现。对所有检测进行标记或 者取消标记能够使用工具栏上的Mark All(全部标记)或UnMark All (取消全部标记)按钮315来完成。手工标记的检测将包括在 FinalReport(最终报告)中出现的尖峰平均值中。

图5是FinalReport的打印预览视图500，其示出了用户所选择的 18个尖峰505以及组成尖峰510a-510c的组平均。

这些手工标记的事件还可以如图6所示紧随其平均在FinalReport 600中背靠背地显示，并且能够出于归档的目的或者供另一个观看者 评估而被打印623。

点击在EEG窗口顶端的FinalReport标签628显示在所选择的焦 点605处的所有手工标记的示例尖峰或锐波610的概要。该初始默认 视图示出了由电极焦点605分类的、用户选择的、手工标记的事件的 数学平均值。如所解释的，通过选择菜单选项或者经由鼠标右键点击 的选择而显示头部电压的内存储信息位置图示以及背靠背的、单独 的、用户选择的事件。电压的内存储信息位置图示仅在观看参考蒙太 奇中的EEG时创建。图6中还示出了用户选择的尖峰和波630，以及 观看/跳至尖峰635。

当退出622该程序时，所有改变被自动保存，包括用户标记的尖 峰和观看的事件。

图11是具有CZ参考蒙太奇3005的EEG记录3000的图示。

在一个示例中，被称作BSS-CCA的算法被用来从EEG中去除肌 肉活动的影响。对所记录的蒙太奇上使用该算法经常将不会产生最优 结果。在这种情况下，通常优选地使用参考电极是诸如国际10-20标 准中的CZ之类的头顶电极之一的蒙太奇。在该算法中，在去除伪像 之前首先将所记录的蒙太奇变换为CZ参考蒙太奇。在CZ处的信号 指示这并非最佳选择的情况下，则该算法将会把可能的参考电极的列 表继续进行下去以便找出适合的一个参考电极。

可能直接在用户选择的蒙太奇上执行BSS-CCA。然而，这存在 两个问题。首先，这要求对由用户选择用于观看的每个蒙太奇进行高 成本的伪像去除处理。其次，伪像去除将因蒙太奇而异，并且仅在用 户使用最优参考选择了参考蒙太奇时才会是最优的。由于查看EEG 所需的蒙太奇经常不与对于去除伪像而言最优的蒙太奇相同，所以这 并非好的解决方案。

图9是用于检测并且去除EEG伪像的一般方法1000的流程图。 在块1001，生成EEG信号。在块1002，将该EEG信号分离成多个 来源。该多个来源中的每个来源针对选择的伪像类型而被分离。在块 1003，该多个来源中的每个来源被重构为记录的蒙太奇和最优参考蒙 太奇，以辨识出该多个来源中的每个来源的所选择的伪像类型。在块 1004，针对该多个来源中的每个来源对最优参考蒙太奇的通道进行检 查，以确定所选择的伪像类型是否为该多个来源中的每个来源的实际 伪像。在块1005，确定所选择的伪像类型是该多个来源中的每个来源 的实际伪像。在块1006，去除该多个来源中针对所选择的伪像类型的 每个来源以生成多个剩余来源。在块1007，将该剩余来源重构为该 EEG信号的经滤波的蒙太奇。

伪像去除算法优选地是盲源分离算法。该盲源分离算法优选地是 CCA算法或ICA算法。

图10是用于检测并且去除EEG伪像的一般方法2000的流程图。 在块2001，将EEG信号分离成多个来源。该多个来源中的每个来源 针对选择的伪像类型而被分离。在块2002，将该多个来源中的每个来 源重构为记录的蒙太奇和最优参考蒙太奇，以辨识出该多个来源中的 每个来源的所选择的伪像类型。在块2003，针对该多个来源中的每个 来源对最优参考蒙太奇的通道进行检查，以确定所选择的伪像类型是 否为该多个来源中的每个来源的实际伪像。在块2004，去除该多个来 源中针对所选择的伪像类型的每个来源以生成多个剩余来源。在块 2005，将剩余来源重构为该EEG信号的经滤波的蒙太奇。

图12-图14图示了从EEG信号去除伪像如何允许更清楚地为读 者图示大脑的真实活动。图12是包含疾病发作、肌肉伪像和眼睛移 动伪像的EEG记录4000的图示。图13是去除了肌肉伪像的图12的 EEG记录5000的图示。图14是去除了眼睛移动伪像的图13的EEG 记录6000的图示。