脑机百科消息(bciwiki.com)，一种名为SPAR-EEG的自包含框架可在不依赖辅助通道、伪迹标签或人工选取干净基线片段的条件下，对单通道脑电进行伪迹抑制。该方法由Shaikh UQ、Kalra AM、Lowe A、Niazi IK等研究人员提出，2026年9月16日发表于《IEEE Transactions on Neural Systems and Rehabilitation Engineering》。框架对每个脑电分段施加三段针对特定伪迹的衰减处理：基于变分模态分解（VMD）的一段处理高频肌电爆发，基于奇异谱分析（SSA）的一段处理眨眼样眼电瞬变，另一段基于SSA的处理缓慢的运动相关漂移。与全局剔除成分不同，每一段都直接从输入通道估计伪迹主导区域和衰减强度。
研究团队在受控的EEGdenoiseNet和PhysioBank基准、分段消融实验、任务锁定时事件相关电位（ERP）保真度、运行时间诊断、干电极运动脑电以及仅使用FP1和FP2两个导联的快速序列视觉呈现（RSVP）/P300拼写任务上对SPAR-EEG进行了评估。在EEGdenoiseNet的26个输入信噪比水平上，该方法在肌电、眼电以及眼电加肌电混合污染三类情况下，取得的伪迹区平均信噪比改善均优于所测试的小波、经验模态分解（EMD）和伪迹标签引导的小波分位数归一化（WQN）基线，分别为9.05、8.28和8.00分贝。在运动脑电中，去噪降低了高幅度伪迹负担，并提高了alpha和稳态视觉诱发电位（SSVEP）的频谱显著性指标。在P300验证中，完整的SPAR-EEG处理序列使重复曲线下面积（AUC）提高0.048（Holm校正后p=0.0069），最终Letter@15准确率提高7.8个百分点。研究团队认为，针对特定伪迹的选择性衰减可为低负担、易受运动干扰场景下的单通道脑电去噪提供一种实用的自包含替代方案。