《Biomedical Signal Processing and Control》：An SVD-based method for DBS artifact removal: High-fidelity restoration of local field potential
編輯推薦：
深部腦刺激（DBS）應用中，其脈沖誘發的偽影嚴重干擾局部場電位（LFP）記錄。研究人員提出基于奇異值分解（SVD）的偽影去除方法。結果顯示該方法信號還原超 98%，優于常見技術。這為 DBS 和腦機接口（BCI）研究助力，意義重大。
在醫學和神經科學領域，深部腦刺激（Deep Brain Stimulation，DBS）是一項神奇的技術，它就像給大腦安裝了一個 “智能開關”。通過在大腦特定區域植入電極，向神經元發送電脈沖，來調節神經活動，幫助那些深受神經系統疾病折磨的患者。如今，DBS 已經成為治療帕金森病、特發性震顫等運動障礙疾病的重要手段，甚至在癲癇、慢性疼痛、強迫癥和抑郁癥等疾病的治療上也展現出了巨大潛力。
然而，這項技術在給患者帶來希望的同時，也帶來了一個棘手的問題。當 DBS 設備工作時，它發出的電脈沖會在記錄局部場電位（Local Field Potential，LFP）時產生強烈的偽影。LFP 就像是大腦神經元活動的 “電信號日記”，記錄著神經元群體的活動情況，對于研究大腦的生理機制和疾病的病理過程至關重要。但這些偽影就像日記中的 “亂碼”，把真實的神經活動信號掩蓋得嚴嚴實實，讓科研人員難以從中獲取準確的信息，也阻礙了對神經信號的深入分析，特別是在尋找像特定頻率的異常振蕩或同步化等神經生物標志物時，更是困難重重。
為了解決這個難題，來自國內的研究人員 Long Chen、Zhebing Ren、Jing Wang 等開展了一項關于基于奇異值分解（Singular Value Decomposition，SVD）的 DBS 偽影去除方法的研究。這項研究成果發表在了《Biomedical Signal Processing and Control》雜志上，為神經科學研究和臨床治療帶來了新的曙光。
研究人員在研究中運用了多種技術方法。他們首先對包含合成信號以及來自大鼠和人類的真實顱內 LFP 記錄等數據集進行實驗。在處理 DBS 污染的 LFP 信號時，先以刺激前的信號段為基線，進行去趨勢化和 z-score 標準化處理。接著，通過 z 閾值檢測偽影，并進一步擴展以涵蓋脈沖后的直流偏置（DC bias）。然后，對對齊的信號段進行 SVD 處理，提取并去除偽影成分，再利用線性插值校正殘留偽影。最后，將去除偽影后的信號段重新插入原始信號，得到無偽影的信號輸出。
高保真信號重建實驗結果
研究人員用一個具有代表性的合成信號（40Hz，4% 占空比，5s 刺激）對基于 SVD 的方法進行評估。從時間 - 頻率和功率譜分析結果來看，合成信號在 40Hz 及其諧波處存在顯著異常，表現為功率升高；而經過處理后的無偽影信號幾乎消除了這些功率異常值，并且與原始 LFP 信號高度一致。這表明該方法在合成信號處理上，能夠有效去除偽影，實現高保真的信號重建。
真實數據集實驗結果
在對來自大鼠和人類的真實 DBS 數據進行處理時，該方法同樣表現出色。它成功恢復了 LFP 的特征，使得科研人員能夠清晰地觀察到原本被偽影掩蓋的神經活動細節，還準確識別出了關鍵的神經生物標志物。這一成果對于深入了解神經系統疾病的發病機制、優化 DBS 治療方案以及開發更先進的腦機接口（Brain - Computer Interface，BCI）系統具有重要意義。
在這項研究中，研究人員提出的基于 SVD 的方法成功解決了 DBS 偽影干擾 LFP 記錄的難題。該方法不僅能夠高效去除高幅值的脈沖偽影和脈沖后的 DC bias，還能在去除偽影的同時，最大程度地保留 LFP 信號的生理完整性，在不同的 DBS 條件下都展現出了強大的性能。通過在合成數據集和真實動物、人類數據集上的驗證，證明了該方法具有良好的通用性和穩定性，為從實驗室研究到臨床應用的轉化提供了有力支持。
從研究意義來看，此方法為精確的閉環 DBS 和深部腦機接口系統的應用帶來了新的可能。它有助于實現更精準、自適應的神經調節，讓 DBS 治療能夠更加 “個性化”，根據患者的實時神經活動情況調整刺激參數，提高治療效果。同時，在神經科學研究方面，準確識別神經生物標志物能夠加深科研人員對神經系統疾病神經機制的理解，為開發新的治療策略提供理論依據。
不過，研究也存在一定的局限性。雖然目前非周期性和不規則偽影在 DBS 中較少使用，但未來仍需進一步研究如何處理這類偽影�？梢越柚鷻C器學習或深度學習技術，提高對非周期性偽影和信號變化的預測和處理能力，讓模型能夠更好地適應不同的記錄條件，為神經科學研究和臨床治療提供更完善的技術支持。
