0% Complete
فارسی
Home
/
سی و دومین کنفرانس ملی و دهمین کنفرانس بین المللی مهندسی زیست پزشکی ایران
An Automatic Pipeline for Simultaneous EEG-fMRI Artifact-removal (SEFA)
Authors :
Farid Hosseinzadeh
1
Amin Mohammad Mohammadi
2
Mehrdad Anvarifard
3
ُSasan Keshavarz
4
Elias Ebrahimzadeh
5
Hamid Soltanian-Zadeh
6
1- دانشگاه تهران
2- دانشگاه تهران
3- دانشگاه تهران
4- دانشگاه تهران
5- دانشگاه تهران
6- دانشگاه تهران
Keywords :
Simultaneous EEG-fMRI،EEG،preprocessing،artifact removal،automation،pipeline،ٍَُّSEFA
Abstract :
Simultaneous EEG–fMRI provides complementary temporal and spatial information about brain function, but its utility is hindered by severe scanner-induced artifacts such as gradient and ballistocardiographic (BCG) noise. Manual artifact correction is effective but labor-intensive, inconsistent, and difficult to scale. We introduce SEFA, a fully automated two-stage preprocessing pipeline for simultaneous EEG–fMRI that integrates MRI-specific artifact correction (average artifact subtraction, optimal basis set, and PCA/OBS modeling) with state-of-the-art EEG cleaning techniques adapted from a previous popular standard EEG preprocessing pipeline, HAPPE, including automated independent component classification (MARA and ICLabel), bad-channel detection, multitaper regression for line noise, and segment-level quality control. Validation against manually corrected datasets from a reward-based decision-making task demonstrated that SEFA achieves near-perfect equivalence with expert preprocessing. Event-related potentials (ERPs) from both approaches exhibited indistinguishable morphology, latency, and amplitude, with mean channel-wise correlations of r = 0.91 ± 0.14, and 72% of electrodes exceeding r > 0.90. Signal-to-noise ratio (SNR) improved from ~0.8 dB in raw data to 6.7 dB with SEFA, matching manual performance (6.9 dB). Statistical testing confirmed no significant differences in ERP amplitude or latency between automated and manual methods (all p > 0.1). By reducing operator bias and cutting processing time from hours to minutes, SEFA enables reproducible, scalable, and clinically feasible preprocessing of simultaneous EEG–fMRI data.
Papers List
List of archived papers
Innovative Biomimetic Skin Repair Strategies Utilizing Barium Titanate
Hossein Norouzi Bazmin Abadi - Zahra Mohammadi
Coronary Full artery segmentation using U-Net neural network architecture
Rezvan Monjezi - Mahdieh Ghasemi - Mahdi Salehi - Alireza Rowhanimanesh - Samaneh Tabaee
افشای عملکرد پایدار ی و مشاغل خانوادگی
رعنا شهدآور - الناز نجفی - مهری علیپور اصل
چیستی و چگونگی شناسایی انجمنها در شبکههای اجتماعی
غزاله حاجی آبادی - مجید عبدالرزاق نژاد
بررسی تاثیر مهندسی مالی و مدیریت ریسک بر مدیریت پروژه های ساخت عمرانی
محمد محسنی - جعفر نیکومنش - علی محمدی
تاثیر مسئولیت اجتماعی شرکت ها بر شهرت برند و ارزش ویژه برند (نمونه موردی گالری چرم امینی)
لیلا امینی راد
بررسی چالش ها و راهکارهای مدیریت منابع در شبکه های بی سیم اینترنت اشیا با تمرکز بر محاسبات مه و لبه
سعیده نادری - سید حمید غفوری مهدی آباد
تاثیر تمرین با تردمیل آبی بر کینماتیک پرش- فرود فوتسالیست های حرفه ای
صفورا قاسمی - مسعود گلپایگانی - امیرحسین نجیمی
بررسی تاثیر تکنولوژی هوش مصنوعی بر مشاغل و کسب و کارها
علی اکبر شهری مجارشین - علی میرطاهری
پلتفرم هوشمند «دستیار پیمانکار»
محمد عبدالهی سنو
more
Samin Hamayesh - Version 42.5.2