fNIRSデータのモーションアーチファクト補正のための尖度に基づくウェーブレットアルゴリズム

A kurtosis-based wavelet algorithm for motion artifact correction of fnirs data
A.M. Chiarelli, E.L. Maclin, M. Fabiani and G. Gratton Neuroimage, vol. 112, pp. 128-137, 2015

動きは, 機能的近赤外光(fNIRS)のアーチファクトの主な発生源である. 主成分分析(PCA)や対象主成分分析(tPCA), スプライン補間(SI), およびウェーブレットフィルタ(WF)を含む, いくつかのアルゴリズムがfNIRSデータのモーションアーチファクト補正のために開発されている. WFは, 標準化されたスコアに基づき外れ値とみなされる係数を有するウェーブレットに基づいており, 合成データと実データの両方に有効であることが証明されている. しかし, SNRが高いとき, 信号振幅の減少の可能性がある. これは, ウェーブレット係数の分布の形状とは無関係に, 標準化されたスコアが本質的にノイズレベルに適応するためにおこる可能性がある. ウェーブレット係数分布の高次モーメントは, その分散よりもウェーブレット分布異常の診断指標をより多く提供することが可能である. ここでは, 外れ値ウェーブレット(尖度ベースのウェーブレットフィルタ, kbWF)を定義するために, 係数分布の大きな4次モーメント(すなわち尖度)を生成するために寄与するウェーブレットを除去することに依存する新しい手順を紹介する. 我々は, 実際の休止状態のfNIRS記録に加えられたシミュレートされた機能的血行動態応答を用いて, 他の既存の手順と比較することによりkbWFを試験した. これらのシミュレーションは, kbWFが瞬間的なノイズを除去するのに非常に有効であることを示しており, 広範囲の信号振幅と雑音振幅にわたって他の既存の方法より高いSNRの結果をもたらす. これは, (1)手順が反復的で,(2)尖度は外れ値を特定する際の分散より診断的である. しかし, kbWFは録音時間によるアーチファクトの遅い成分は除去できない.