编辑推荐：
深部脑刺激（DBS）应用中，其脉冲诱发的伪影严重干扰局部场电位（LFP）记录。研究人员提出基于奇异值分解（SVD）的伪影去除方法。结果显示该方法信号还原超 98%，优于常见技术。这为 DBS 和脑机接口（BCI）研究助力，意义重大。
在医学和神经科学领域，深部脑刺激（Deep Brain Stimulation，DBS）是一项神奇的技术，它就像给大脑安装了一个 “智能开关”。通过在大脑特定区域植入电极，向神经元发送电脉冲，来调节神经活动，帮助那些深受神经系统疾病折磨的患者。如今，DBS 已经成为治疗帕金森病、特发性震颤等运动障碍疾病的重要手段，甚至在癫痫、慢性疼痛、强迫症和抑郁症等疾病的治疗上也展现出了巨大潜力。
然而，这项技术在给患者带来希望的同时，也带来了一个棘手的问题。当 DBS 设备工作时，它发出的电脉冲会在记录局部场电位（Local Field Potential，LFP）时产生强烈的伪影。LFP 就像是大脑神经元活动的 “电信号日记”，记录着神经元群体的活动情况，对于研究大脑的生理机制和疾病的病理过程至关重要。但这些伪影就像日记中的 “乱码”，把真实的神经活动信号掩盖得严严实实，让科研人员难以从中获取准确的信息，也阻碍了对神经信号的深入分析，特别是在寻找像特定频率的异常振荡或同步化等神经生物标志物时，更是困难重重。
为了解决这个难题，来自国内的研究人员 Long Chen、Zhebing Ren、Jing Wang 等开展了一项关于基于奇异值分解（Singular Value Decomposition，SVD）的 DBS 伪影去除方法的研究。这项研究成果发表在了《Biomedical Signal Processing and Control》杂志上，为神经科学研究和临床治疗带来了新的曙光。
研究人员在研究中运用了多种技术方法。他们首先对包含合成信号以及来自大鼠和人类的真实颅内 LFP 记录等数据集进行实验。在处理 DBS 污染的 LFP 信号时，先以刺激前的信号段为基线，进行去趋势化和 z-score 标准化处理。接着，通过 z 阈值检测伪影，并进一步扩展以涵盖脉冲后的直流偏置（DC bias）。然后，对对齐的信号段进行 SVD 处理，提取并去除伪影成分，再利用线性插值校正残留伪影。最后，将去除伪影后的信号段重新插入原始信号，得到无伪影的信号输出。
高保真信号重建实验结果
研究人员用一个具有代表性的合成信号（40Hz，4% 占空比，5s 刺激）对基于 SVD 的方法进行评估。从时间 - 频率和功率谱分析结果来看，合成信号在 40Hz 及其谐波处存在显著异常，表现为功率升高；而经过处理后的无伪影信号几乎消除了这些功率异常值，并且与原始 LFP 信号高度一致。这表明该方法在合成信号处理上，能够有效去除伪影，实现高保真的信号重建。
真实数据集实验结果
在对来自大鼠和人类的真实 DBS 数据进行处理时，该方法同样表现出色。它成功恢复了 LFP 的特征，使得科研人员能够清晰地观察到原本被伪影掩盖的神经活动细节，还准确识别出了关键的神经生物标志物。这一成果对于深入了解神经系统疾病的发病机制、优化 DBS 治疗方案以及开发更先进的脑机接口（Brain - Computer Interface，BCI）系统具有重要意义。
在这项研究中，研究人员提出的基于 SVD 的方法成功解决了 DBS 伪影干扰 LFP 记录的难题。该方法不仅能够高效去除高幅值的脉冲伪影和脉冲后的 DC bias，还能在去除伪影的同时，最大程度地保留 LFP 信号的生理完整性，在不同的 DBS 条件下都展现出了强大的性能。通过在合成数据集和真实动物、人类数据集上的验证，证明了该方法具有良好的通用性和稳定性，为从实验室研究到临床应用的转化提供了有力支持。
从研究意义来看，此方法为精确的闭环 DBS 和深部脑机接口系统的应用带来了新的可能。它有助于实现更精准、自适应的神经调节，让 DBS 治疗能够更加 “个性化”，根据患者的实时神经活动情况调整刺激参数，提高治疗效果。同时，在神经科学研究方面，准确识别神经生物标志物能够加深科研人员对神经系统疾病神经机制的理解，为开发新的治疗策略提供理论依据。
不过，研究也存在一定的局限性。虽然目前非周期性和不规则伪影在 DBS 中较少使用，但未来仍需进一步研究如何处理这类伪影。可以借助机器学习或深度学习技术，提高对非周期性伪影和信号变化的预测和处理能力，让模型能够更好地适应不同的记录条件，为神经科学研究和临床治疗提供更完善的技术支持。
