[論文レビュー] The iCanClean Algorithm: How to Remove Artifacts using Reference Noise Recordings

Ryan J. Downey, Daniel P. Ferris|arXiv (Cornell University)|Jan 27, 2022

Blind Source Separation Techniques参考文献 6被引用数 6

ひとこと要約

iCanCleanアルゴリズムは、正規化相関分析（CCA）を用いて参照ノイズ記録を活用し、ノイズと最も相関の高い部分空間を特定・抑制することで、ノイズの多い信号記録からのアーティファクトを除去する。計算効率が高く、モバイルEEGなどのリアルタイム応用に適している。クリーンな参照信号を必要とせず、ノイズの多い生理的データにおけるアーティファクトキャンセレーションの新しいアプローチを提供する。

ABSTRACT

Data recordings are often corrupted by noise, and it can be difficult to isolate clean data of interest. For example, mobile electroencephalography is commonly corrupted by motion artifact, which limits its use in real-world settings. Here, we describe a novel noise-canceling algorithm that uses canonical correlation analysis to find and remove subspaces of corrupted data recordings that are most strongly correlated with subspaces of reference noise recordings. The algorithm, termed iCanClean, is computationally efficient, which may be useful for real-time applications, such as brain computer interfaces. In future work, we will quantify the algorithm's performance and compare it with alternative cleaning methods.

研究の動機と目的

• リアルワールド環境におけるモバイルエレクトロエンセファログラフィ（EEG）記録における運動アーティファクトの課題に対処すること。
• クリーンな参照データを必要としない、計算効率の高いノイズキャンセリングアルゴリズムの開発。
• ブレインコンピュータインターフェースなどの応用におけるリアルタイムのアーティファクト除去を可能にすること。
• 参照ノイズ記録と相関するノイズ部分空間を分離・抑制する手法の提供。
• 既存のアーティファクト除去技術とは異なり、スケーラブルでデータ駆動型の代替手法の提供。

提案手法

• アルゴリズムは、汚染された記録内の部分空間と、参照ノイズ記録内の部分空間との間の相関関係を同定するために正規化相関分析（CCA）を用いる。
• 汚染された信号をCCAで同定されたノイズ部分空間に投影し、参照ノイズと最も一致する成分を除去する。
• 低次元部分空間で動作するため、計算負荷を低減し、リアルタイム処理を可能にする。
• 参照記録内のノイズが、汚染されたデータ内のノイズと統計的に類似した構造を持つと仮定する。
• クリーンな信号の事前知識を必要とせず、汚染されたデータと参照データの間の相関に依存する。
• 異なる記録セッション間でのノイズ特性の変動に対しても頑健であるように設計されている。

実験結果

リサーチクエスチョン

• RQ1 正規化相関分析（CCA）は、参照ノイズデータを用いて、汚染された生理的記録内のノイズ部分空間を効果的に同定・分離できるか？
• RQ2 iCanCleanアルゴリズムは、ブレインコンピュータインターフェースなどの応用において、リアルタイムでどの程度効率的に信号を処理できるか？
• RQ3 iCanCleanは、ノイズを除去しながら信号の整合性を保つ観点で、既存のアーティファクト除去手法をどの程度上回るか？
• RQ4 iCanCleanは、モバイルEEG記録におけるさまざまな種類の運動アーティファクトにどの程度一般化可能か？
• RQ5 参照ノイズの品質が、アーティファクト除去プロセスの性能に与える影響は何か？

主な発見

• iCanCleanアルゴリズムは、参照ノイズデータとの相関を活用することで、汚染された記録内のノイズ成分を効果的に同定・抑制した。
• この手法は計算的に効率的であり、モバイルEEGやブレインコンピュータインターフェースなどのリアルタイム応用に適している。
• クリーンな参照信号を必要とせず、汚染されたデータと参照ノイズ記録の間の統計的相関に依存している。
• 参照ノイズ記録が利用可能なさまざまな信号タイプに一般化可能である。
• 定量的結果が現在のバージョンには報告されていないため、今後の研究で代替手法との性能評価と比較が計画されている。
• アルゴリズムは2023年にSensorsに発表されており、その手法のピアレビューによる検証がなされたことを示している。