[論文レビュー] A real-time noise cancelling EEG electrode employing Deep Learning

Henry Cowan, Sama Daryanavard+2 more|arXiv (Cornell University)|Nov 6, 2020

EEG and Brain-Computer Interfaces参考文献 49被引用数 4

ひとこと要約

本論文では、非定常なアーティファクトを継続的に学習して抑制するためのリファレンスノイズ信号を活用する、カスタム3Dプリントで作られた柔軟な電極を用いた、リアルタイムのディープラーニングベースのノイズキャンセレーションシステムを提案する。この手法は、信号対ノイズ比（SNR）を平均20 dB向上させ、EEG記録におけるまばたきや筋肉アーティファクトを効果的に低減する。

ABSTRACT

Measurements are often contaminated with large amounts of non-stationary noise which require effective noise reduction techniques. We present a new deep learning algorithm which learns continuously in real-time while filtering the data. The algorithm requires a reference noise signal alongside the noisy signal itself. As a poof of concept we demonstrate its performance by reducing noise in electroencephalogram (EEG) with the help of a custom 3D printed compound electrode using flexible materials. With this setup we achieved an average of 20dB improvement of the signal to noise ratio of the EEG for both removing eye-blink and muscle-artefacts. This concept has the potential to not only improve the signal to noise ratio of EEG but can be applied to a wide range of industrial and consumer applications such as industrial sensing or noise cancelling headphones.

研究の動機と目的

• EEG測定における非定常ノイズの課題に対処し、信号品質を低下させ、臨床的および研究的応用を制限する要因を解消すること。
• ノイズの多い信号とリファレンスノイズ信号の両方から継続的に学習するリアルタイムのノイズキャンセレーションシステムを開発すること。
• ディープラーニングとカスタム3Dプリントで作られた柔軟な電極を統合することで、EEG信号取得の向上を実証すること。
• 本システムの性能を、まばたきや筋肉の動きといった一般的な生理的アーティファクトの低減において検証すること。

提案手法

• 本システムは、主なノイズの多いEEG信号に加えてリファレンスノイズ信号を用いて、リアルタイムでノイズパターンを学習するディープラーニングモデルを採用している。
• リファレンス信号は、柔軟な素材で作られたカスタム3Dプリント複合電極を介して取得され、EEG信号とノイズリファレンスの両方を統合している。
• ディープラーニングモデルは運用中に継続的に適応し、事前のキャリブレーションを必要とせずに非定常ノイズの効果的なフィルタリングを可能にしている。
• リアルタイムEEG処理を支援する低遅延推論を実現するため、アーキテクチャが最適化されている。
• 本手法は、まばたきや筋肉アーティファクトノイズで汚染されたEEGデータを用いて評価されている。
• 信号対ノイズ比（SNR）の向上が主なパフォーマンス指標として定量化されている。

実験結果

リサーチクエスチョン

• RQ1 リファレンス信号を用いて、ディープラーニングモデルがEEG記録において非定常ノイズをリアルタイムで効果的に学習し、キャンセルできるか？
• RQ2 統合されたリファレンスセンシングを備えたカスタム3Dプリントで作られた電極は、EEG信号品質をどの程度向上できるか？
• RQ3 提案手法は、リアルタイムEEGデータにおけるまばたきおよび筋肉アーティファクトの低減にどの程度効果的か？
• RQ4 再トレーニングを必要とせずに、さまざまなノイズ条件においても一貫した性能を維持できるか？

主な発見

• 提案されたディープラーニングシステムは、まばたきアーティファクトで汚染されたEEG信号において、平均20 dBの信号対ノイズ比（SNR）向上を達成した。
• 同様に、筋肉アーティファクトで汚染されたEEG信号に対しても、平均20 dBのSNR向上を達成した。
• リアルタイム学習機能により、モデルの再トレーニングを必要とせずに、変化するノイズ特性に継続的に適応できるようになった。
• カスタム3Dプリントで作られた柔軟な電極は、EEGとリファレンスノイズの両方のセンシングを効果的に統合し、実用的導入を可能にした。
• 本手法は、さまざまな種類の非定常生理的ノイズに対して、強力な性能を示した。
• 本アプローチは、EEGにとどまらず、産業用センシングやコンsumerオーディオデバイスを含む、広範な応用分野への応用可能性を示している。