基于 AVMD 的非线性经颅电刺激伪迹去除方法

经颅交流电刺激( transcranial alternating current stimulation, tACS) 是一种应用广泛的无创脑刺激方法。 由于非线性 tACS 伪迹的干扰,很难直接获取刺激时神经电活动的真实情况。 为此,提出一种自适应变分模式分解( adaptive variational mode decomposition, AVMD)方法用于去除非线性 tACS 伪迹。 该方法利用希尔伯特变换(Hilbert transform, HT)提取伪迹包络,然后 利用窗口傅里叶变换(window Fourier transform, WFT)确定 VMD 分解的模态数。 再利用 VMD 分解原始数据得到多个本征模态 信号。 最后根据各模态信号的幅度特征重构真实脑电成分。 在模拟数据和公开实验数据上测试 AVMD 方法的性能,分别采用 重构脑电与真实脑电之间的相关系数(模拟数据)以及重构脑电和 sham 脑电统计特征的平均绝对误差(实验数据)进行方法性 能评价。 结果表明,对于模拟数据,在调幅深度 ma∈[0. 001,0. 01]、相位调制深度 mp∈[0. 001,0. 01]和刺激频率 f arti∈[10, 100]的条件下,重构脑电和真实脑电的平均相关系数分别为 0. 988 5、0. 893 5 和 0. 948 4。 对于实验数据,重构脑电和 sham 脑 电之间统计特征的平均绝对误差在刺激频率为 11 Hz 时分别为 0. 989 6(峰度)、2. 991 8(均方根幅度)、0. 175 1(样本熵),在刺 激频率为 62 Hz 时为 0. 940 7(峰度)、2. 473 1(均方根幅度)和 0. 084 1(样本熵)。 与移动叠加平均法( superposition of moving averages, SMA)、自适应滤波法(adaptive filtering, AF)和经验模态分解法(empirical mode decomposition, EMD)相比,AVMD 方法 表现出更稳定更好的非线性 tACS 伪迹去除性能。 该方法的提出为闭环 tACS 刺激仪器的开发提供支持。