You Only Acquire Sparse-channel (YOAS): A Unified Framework for Dense-channel EEG Generation

要約

高密度チャネル脳波 (EEG) 信号の高精度取得は、機器の高価さや可搬性の欠如によって妨げられることがよくあります。
対照的に、疎なチャネルから密なチャネルの EEG 信号を効率的に生成することは、有望で経済的な実行可能性を示しています。
しかし、スパースチャネルEEGは、空間分解能の低下、情報損失、信号混合、ノイズや干渉に対する敏感さの増大などの課題を引き起こします。
これらの課題に対処するために、まず、一連のクロスチャネル EEG 信号生成問題を最適化することによって、高密度チャネル EEG 生成問題を理論的に定式化します。
次に、疎チャネル EEG 信号から密チャネル データを生成するための YOAS フレームワークを提案します。
YOAS は全体として、データ準備、データ前処理、バイアス脳波生成、合成脳波生成という 4 つの連続した段階で構成されています。
データの準備と前処理では、EEG 電極の分布と EEG 信号の低い信号対雑音比の問題が慎重に考慮されます。
Biased-EEG Generation には、BiasEEGGanFormer と BiasEEGDiffFormer のサブモジュールが含まれています。これらは、それぞれ、注意を払った長期的な特徴抽出を容易にし、電極位置の位置合わせと拡散モデルを組み合わせて信号を生成します。
合成 EEG 生成では、マルチチャネル EEG 生成の演繹パラダイムを採用して、最終信号を合成します。
広範な実験により、YOAS の実現可能性、効率性、理論的妥当性が確認され、データの識別性も著しく向上しました。
疎チャネルデータからの密チャネルEEG信号生成におけるこの画期的な進歩により、EEG信号の処理と応用の探求に新たな道が開かれます。

要約(オリジナル)

High-precision acquisition of dense-channel electroencephalogram (EEG) signals is often impeded by the costliness and lack of portability of equipment. In contrast, generating dense-channel EEG signals effectively from sparse channels shows promise and economic viability. However, sparse-channel EEG poses challenges such as reduced spatial resolution, information loss, signal mixing, and heightened susceptibility to noise and interference. To address these challenges, we first theoretically formulate the dense-channel EEG generation problem as by optimizing a set of cross-channel EEG signal generation problems. Then, we propose the YOAS framework for generating dense-channel data from sparse-channel EEG signals. The YOAS totally consists of four sequential stages: Data Preparation, Data Preprocessing, Biased-EEG Generation, and Synthetic EEG Generation. Data Preparation and Preprocessing carefully consider the distribution of EEG electrodes and low signal-to-noise ratio problem of EEG signals. Biased-EEG Generation includes sub-modules of BiasEEGGanFormer and BiasEEGDiffFormer, which facilitate long-term feature extraction with attention and generate signals by combining electrode position alignment with diffusion model, respectively. Synthetic EEG Generation synthesizes the final signals, employing a deduction paradigm for multi-channel EEG generation. Extensive experiments confirmed YOAS’s feasibility, efficiency, and theoretical validity, even remarkably enhancing data discernibility. This breakthrough in dense-channel EEG signal generation from sparse-channel data opens new avenues for exploration in EEG signal processing and application.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google