[논문 리뷰] The iCanClean Algorithm: How to Remove Artifacts using Reference Noise Recordings

Ryan J. Downey, Daniel P. Ferris|arXiv (Cornell University)|2022. 01. 27.

Blind Source Separation Techniques참고 문헌 6인용 수 6

한 줄 요약

iCanClean 알고리즘은 정규화된 상관관계 분석(CCA)을 통해 참조 노이즈 기록을 활용하여 노이즈가 있는 신호 기록에서 아티팩트를 제거하며, 노이즈와 가장 관련성이 높은 부분공간을 식별하고 억제한다. 이 알고리즘은 계산적으로 효율적이며 모바일 EEG와 같은 실시간 응용 분야에 적합하게 설계되어, 청소된 參고 신호가 필요 없는 생리적 데이터에서의 아티팩트 제거에 새로운 접근법을 제공한다.

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.

연구 동기 및 목표

• 실생활 환경에서의 이동형 뇌전도측정(EEG) 기록에서의 운동 아티팩트 문제를 해결하기 위해.
• 청소된 參고 데이터가 필요 없는 계산적으로 효율적인 노이즈 제거 알고리즘을 개발하기 위해.
• 뇌-컴퓨터 인터페이스와 같은 응용 분야에서 실시간 아티팩트 제거를 가능하게 하기 위해.
• 참조 노이즈 기록과 관련된 부분공간을 식별하고 억제하기 위한 방법을 제공하기 위해.
• 기존 아티팩트 제거 기법에 대한 확장 가능한 데이터 기반의 대안을 제공하기 위해.

제안 방법

• 알고리즘은 정규화된 상관관계 분석(CCA)을 사용하여 손상된 기록에서 參考 노이즈 기록의 부분공간과 가장 관련성이 높은 부분공간을 식별한다.
• 손상된 신호를 CCA를 통해 식별된 노이즈 부분공간에 투영하고, 參考 노이즈와 가장 일치하는 성분을 제거한다.
• 이 방법은 저차원 부분공간에서 작동하므로 계산 부담을 줄이고 실시간 처리를 가능하게 한다.
• 알고리즘은 參考 노이즈 기록의 노이즈가 손상된 데이터의 노이즈와 통계적 구조를 공유한다고 가정한다.
• 청소된 신호에 대한 사전 지식이 필요 없으며, 오직 손상된 데이터와 參考 데이터 간의 상관관계에 의존한다.
• 이 방법은 다양한 기록 세션 동안 노이즈 특성의 변화에 대해 강건하도록 설계되어 있다.

실험 결과

연구 질문

• RQ1 정규화된 상관관계 분석이 參考 노이즈 데이터를 사용하여 손상된 생리적 기록에서 노이즈 부분공간을 효과적으로 식별하고 분리할 수 있는가?
• RQ2 iCanClean 알고리즘이 뇌-컴퓨터 인터페이스와 같은 응용 분야에서 실시간으로 신호를 얼마나 효율적으로 처리할 수 있는가?
• RQ3 iCanClean이 노이즈를 제거하면서도 신호의 무결성을 얼마나 잘 유지하는가?
• RQ4 이 알고리즘은 이동형 EEG 기록에서 다양한 종류의 운동 아티팩트에 대해 얼마나 잘 일반화되는가?
• RQ5 참조 노이즈의 품질이 아티팩트 제거 과정의 성능에 어떤 영향을 미치는가?

주요 결과

• iCanClean 알고리즘은 參考 노이즈 데이터와의 상관관계를 활용하여 손상된 기록에서 노이즈 성분을 성공적으로 식별하고 억제한다.
• 이 방법은 계산적으로 효율적이므로 모바일 EEG 및 뇌-컴퓨터 인터페이스와 같은 실시간 응용 분야에 적합하다.
• 청소된 參고 신호가 필요 없으며, 오직 손상된 데이터와 參考 노이즈 기록 간의 통계적 상관관계에 의존한다.
• 이 방법은 參考 노이즈 기록이 제공되는 다양한 신호 유형에 일반화 가능하다.
• 성능 평가 및 다른 방법과의 비교는 향후 연구에서 계획되며, 현재 버전에서는 정량적 결과가 보고되지 않았다.
• 알고리즘은 2023년 Sensors에 게재되어 메서드의 동료 검토를 통과한 것으로 확인된다.