Removing physiological artifacts from the EEG data by algorithms based on differential entropy

A new form of the nonlinearity implemented in the ICA approach is presented in the paper. The proposed independent component analysis based on differential entropy can be used for elimination of physiological artifacts from electroencephalographic signals. For verification of the quality of separation of the EEG data, the PI index is proposed. The second measure of accuracy is the normalized kurtosis which can be used in analysis of the simulated EEG data. As it has been proved, the new sigmoid function used in the ICA approach can effectively separate the EEG data.

---

W artykule przedstawiono nową propozycję nieliniowości - sigmoidalną funkcję algebraiczną, która została zaimplementowana w algorytmie stosującym metodę analizy składowych niezależnych (ang. Independent Component Analysis). Proponowana nowa postać algorytmu wykorzystująca właściwości entropii różniczkowej, może zostać użyta także do separacji a następnie eliminacji wybranych artefaktów fizjologicznych pochodzenia ocznego i mięśniowego zarejestrowanych w zapisach EEG. W celu weryfikacji dokładności separacji sygnałów EEG zaproponowano współczynnik jakości separacji PI (ang. Performance Index). Jako drugą miarę dokładności procesu separacji wybrano wartość znormalizowanej kurtozy, która może być stosowana jedynie w przypadku separacji elektroencefalogramów zarejestrowanych z symulatora EEG. W artykule udowodniono, że użycie nowej funkcji sigmoidalnej w rozszerzonej postaci algorytmu infomax prowadzi do efektywnej separacji sygnałów EEG umożliwiając eliminację wybranych składowych niepożądanych.