由于眼球运动发出的电信号与传感器距离很近,且出现频率很高,因此会在脑电图信号上产生非常强烈的伪影。在检测脑电图波形中的眨眼伪影以进一步去除和净化信号方面,文献中提出了多种策略。最常用的方法需要使用大量电极、复杂的设备来采样和处理数据。这项工作的目标是创建一种可靠且独立于用户的算法,用于使用 CNN(卷积神经网络)检测和去除脑电图信号中的眨眼。为了进行训练和验证,使用了三组公共脑电图数据。这三组数据都包含在招募的受试者执行指定任务时获得的样本,这些任务包括在特定时刻自愿眨眼、观看视频和阅读文章。本研究中使用的模型能够全面理解所有将普通脑电图信号与受眨眼伪影污染的信号区分开来的特征,而不会被仅在信号被记录的情况下出现的特定特征过度拟合。