Masking Artifacts in EEG Time Series

Summary

The removal of artifacts from EEG time series by masking the concerned parts has been studied in order to derive error estimates which apply in general. For this purpose, we selected a sufficiently representative set of artifact-free time series registered from 81 individuals. These time series then served as error-free references. Subsequently, we used the same set of time series, simulated artifacts of 2-12 seconds length (each of which at 5 different positions within each epoch) and investigated the impact of masking procedures on spectrum analysis. Our interest focused particularly on clearing up possble sources of variation (e. g., the actual frequency composition of the signal or the actual position of the masked segment within the time series) in theerrors inherent in the masking process. A detailed error analysis yielded no indication that the inherent errors depend on such factors. Moreover, it turned out that any sufficiently representative set of, say, about 100 epochs of 20 seconds length can be used to reproduce all required estimates at an errorof less than 5 percent. Based on these findings, we developed a correction function which applies in general, thus simplifying the fully computerized processing of EEG time series.

Die vorliegende Arbeit beschäftigt sich mit der Eliminierung von Artefakten aus EEG-Zeitreihen durch Maskierung und Ausblendung der gestörten Abschnitte. Ziel der Untersuchung war die Bestimmung von Fehlerschranken, die möglichst uneingeschränkt Gültigkeit haben sollten. Zu diesem Zweck wurde eine genügend repräsentative Stichprobe artefaktfreier Zeitreihen von 81 Versuchspersonen ausgewählt. Diese Stichprobe diente zum einen als fehlerfreie Referenz und wurde zum anderen dazu benutzt, simulierte Artefakte von 2-12 Sekunden Länge an fünf verschiedenen Stellen jeder einzelnen Meßreihe auszublenden. Die Auswirkungen des Markierungsverfahrens auf die resultierenden Spektren konnten aufgrund dieses Designs sehr genau bestimmt werden. Unser Hauptinteresse galt dabei der Frage, inwieweit die geschätzten Fehlergrößen von anderen Faktoren, wie z.B. der spezifischen Frequenzzusammensetzung eines Signals oder der aktuellen Lage der Artefakte innerhalb der Meßreihen, abhängen. Die detaillierte Fehleranalyse lieferte keinen Hinweis auf solche Abhängigkeiten. Es stellte sich vielmehr heraus, daß jede genügend repräsentative Stichprobe mit wenigstens 100 Abschnitten von 20 Sekunden Länge ausreicht, um alle benötigten Schätzgrößen bei einem Fehler von höchstens 5%. zu reproduzieren. Auf der Basis dieser Ergebnisse entwickelten wir eine Korrekturfunktion, welche allgemein anwendbar ist und damit eine weitgehend computerisierte Verarbeitung von EEG-Zeitreihen ermöglicht.

Key-Words

EEG Time Series - Artifacts - Masking Procedures - Error Correction

Schlüssel-Wörter

EEG-Zeitreihen - Artefakte - Maskierungsverfahren - Korrekturfunktion

• REFERENCES

• 1 Gasser T, Sroka L, Moecks J. The correction of EOG artifacts by time domain and frequency domain methods. Psychophysiology 1986; 23: 705-712.
• 2 Girton D. G, Kamiya J. A simple on-line technique for removing eye movement artifacts from the EEG. Electroenceph. clin. Neurophysiol 1973; 34: 212-216.
• 3 Gratton G, Coles M. G, Donchin E. A new method for off-line removal of ocular artifact. Electroenceph. clin. Neurophysiol 1983; 55: 468-484.
• 4 Priestley M. B. Spectral Analysis and Time Series, Vol.2. London: Academic Press; 1981
• 5 Stassen H. H. Computerized recognition of persons by EEG spectral patterns. Electroenceph. Clin. Neurophysiol 1980; 49: 190-194.
• 6 Stassen H. H. The similarity approach to EEG analysis. Meth. Inform. Med 1985; 24: 200-212.
• 7 Stassen H. H, Bomben G, Propping P. Genetic aspects of the EEG: An investigation into the within-pair similarity of monozygotic and dizygotic twins with a new method of approach. Electroenceph. clin. Neurophysiol 1987; 66: 489-501.
• 8 Woestenburg J. C, Verbraten M. N, Slangen J. L. The removal of the eye-movement artifact from the EEG by regression analysis in the frequency domain. Biol. Psychol 1983; 16: 127-147.