Das mobile EEG ermöglicht die Untersuchung der Gehirnaktivität während alltäglicher Aktivitäten, ist jedoch weiterhin anfällig für Bewegungsartefakte, was die Interpretierbarkeit der Signale und den Einsatz fortgeschrittener Analysetechniken einschränkt. Methoden, die zur Beseitigung von bewegungsbedingten Artefakten entwickelt wurden, die durch periodische Aktivitäten wie Radfahren, Gehen oder Jonglieren hervorgerufen werden, zeigten bei zunehmender Bewegungsvariabilität und -geschwindigkeit eine verminderte Leistungsfähigkeit. Um diese Lücke zu schließen, haben wir eine Methode auf Basis der verallgemeinerten Eigenwertzerlegung (GED) entwickelt, um stark variierende, nicht-periodische – insbesondere transiente – Artefakte zu identifizieren und zu unterdrücken, die durch sehr schnelle, freie Ganzkörperbewegungen verschiedener Art verursacht werden, wie sie beim Sporttraining auftreten. Durch die Nutzung des Kontrasts zwischen den Kovarianzmatrizen von Artefakt- und Ruhe-EEG-Segmenten isoliert dieser Ansatz bewegungsbedingte Komponenten, um sie bei der Rekonstruktion von Mehrkanal-EEG-Signalen zu entfernen. Die Methode wurde an zwei ökologischen Datensätzen validiert, die stereotype Kopf- und Körperbewegungen sowie dynamisches Tischtennis umfassten. Ein Vergleich mit dem Stand der Technik zeigte die überlegene Leistung unserer Methode hinsichtlich des Signal-Fehler-Verhältnisses (SER), des Artefakt-Residuen-Verhältnisses (ARR), der Erhaltung der spektralen Gehirnleistung und der Rechenzeit. Eine Sensitivitätsanalyse wurde durchgeführt, um die Robustheit der Methode gegenüber Parameteränderungen nachzuweisen. Diese Ergebnisse unterstreichen das Potenzial der vorgeschlagenen Methode als robuster, verallgemeinerbarer Ansatz zur Unterdrückung von Bewegungsartefakten im mobilen EEG, insbesondere bei der Anwendung unter extremen Aufnahmebedingungen wie beispielsweise bei sportlicher Betätigung.
Original publikation:
Mohammad Khazaei, Khadijeh Raeisi, Patrique Fiedler, Pierpaolo Croce, Filippo Zappasodi, Silvia Comani, Sensors 2026, 26(8), 2440; https://doi.org/10.3390/s26082440
Ansprechpartner: Prof. Dr.-Ing. Patrique Fiedler
