⚡ electrical engineering

EEGPrep: a validated Python implementation of the EEGLAB preprocessing pipeline

EEGPrep एक प्रमाणित पायथन कार्यान्वयन है जो मूल MATLAB संस्करण के तुलनीय संख्यात्मक सटीकता के साथ डिफ़ॉल्ट EEGLAB प्रीप्रोसेसिंग पाइपलाइन को निष्ठापूर्वक पुनरुत्पादित करता है, जबकि BIDS समर्थन के साथ पायथन और क्लाउड वर्कफ़्लो में निर्बाध परिनियोजन को सक्षम बनाता है।

मूल लेखक: Arnaud Delorme, Suraj Ranganath, Christian Kothe, Aman Jaiswal, Scott Makeig, Bruno Aristimunha

प्रकाशित 2026-07-21

📖 5 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Arnaud Delorme, Suraj Ranganath, Christian Kothe, Aman Jaiswal, Scott Makeig, Bruno Aristimunha

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

कल्पना कीजिए कि आपका मस्तिष्क एक हलचल भरा शहर है, और हर बार जब आप सोचते, महसूस करते या चलते हैं, तो बिजली के सूक्ष्म संकेत कारों की तरह सड़कों पर दौड़ते हैं। वैज्ञानिक इस ट्रैफ़िक को सुनने के लिए तारों वाले एक विशेष हेलमेट का उपयोग करते हैं जिसे EEG कहा जाता है। लेकिन पेच यह है कि ये संकेत अविश्वसनीय रूप से मंद होते हैं, जैसे किसी तूफान में फुसफुसाहट को सुनने की कोशिश करना। इस तूफान में "हवा" शोर है—मांसपेशियों की हरकतें, आंखों का झपकना, और यहाँ तक कि दीवारों में बहने वाली बिजली की गूँज भी। मस्तिष्क की वास्तविक आवाज़ सुनने के लिए, शोधकर्ताओं को रिकॉर्डिंग को साफ करना पड़ता है, जिसे "प्रीप्रोसेसिंग" (preprocessing) कहा जाता है। यह एक पुराने रेडियो से स्टेटिक (शोर) को हटाने के लिए एक हाई-टेक फिल्टर का उपयोग करने जैसा है ताकि आप अंततः गाना सुन सकें।

वर्षों से, इन संकेतों को साफ करने के लिए स्वर्ण मानक (gold standard) EEGLAB नामक एक सॉफ्टवेयर टूलबॉक्स रहा है, जो MATLAB नामक एक प्रोग्रामिंग भाषा पर चलता है। यह रसोई में एक भरोसेमंद शेफ की तरह है, लेकिन यह महंगा है और आधुनिक क्लाउड कंप्यूटर या मुफ्त प्लेटफार्मों पर इसे इंस्टॉल करना कठिन है। हाल ही में, वैज्ञानिकों ने इस शेफ की रेसिपी को दोबारा बनाने की कोशिश की, Python का उपयोग करके, जो एक मुफ्त और लोकप्रिय भाषा है, लेकिन उन्हें एक बाधा का सामना करना पड़ा। कंप्यूटर की दुनिया में, संख्याएं हमेशा सटीक नहीं होतीं; छोटी-मोटी राउंडिंग एरर (rounding errors) हो सकती हैं, जैसे एक बेकर द्वारा थोड़े अलग चम्मच से आटा मापना। यदि जटिल गणित के दौरान ये छोटी त्रुटियां जमा हो जाती हैं, तो अंतिम केक का स्वाद अलग हो सकता है। बड़ा सवाल यह था: क्या Python संस्करण में बनी रेसिपी मूल MATLAB वाली रेसिपी के बिल्कुल समान केक बना पाएगी, या क्या ये छोटी-छोटी भिन्नताएं स्वाद को बिगाड़ देंगी?

यहाँ EEGPrep आता है, जो प्रसिद्ध EEGLAB पाइपलाइन का एक परफेक्ट डिजिटल ट्विन (digital twin) बनने के लिए डिज़ाइन किया गया एक नया Python टूल है। शोधकर्ताओं ने केवल यह उम्मीद नहीं की कि यह काम करेगा; उन्होंने इसे एक कठोर 'टेस्ट टेस्ट' (taste test) से गुजारा। उन्होंने मूल MATLAB सिस्टम और नए Python सिस्टम में बिल्कुल एक जैसी मस्तिष्क रिकॉर्डिंग डाली, चरण दर चरण, यह देखने के लिए कि क्या उनके आउटपुट मेल खाते हैं।

परिणाम आश्चर्यजनक रूप से सटीक थे। सफाई की प्रक्रिया के पहले चार चरणों के लिए—डेटा इम्पोर्ट करना, संकेतों को पुनर्गठित करना, खराब चैनलों को हटाना, और ICA नामक एक विधि का उपयोग करके मस्तिष्क के संकेतों को शोर से अलग करना—Python और MATLAB संस्करण दशमलव के सबसे छोटे बिंदु तक समान थे। अंतर इतना कम था कि वह प्रभावी रूप से शून्य था, जो लगभग $10^{-12}$ माइक्रोवोल्ट था। इसे समझने के लिए, यह एक माइक्रोवोल्ट के एक ट्रिलियनवें हिस्से के बराबर है, एक ऐसी संख्या जो मानव मस्तिष्क के लिए लगभग अदृश्य है।

परफेक्ट मिरर में पहली छोटी सी दरार पांचवें चरण में दिखाई दी, जब सॉफ्टवेयर ने एक न्यूरल नेटवर्क (AI का एक प्रकार) का उपयोग किया जिसे ICLabel कहा जाता है, यह तय करने के लिए कि सिग्नल के कौन से हिस्से "मस्तिष्क" हैं और कौन से "शोर"। यहाँ, Python और MATLAB संस्करणों के बीच संख्याओं पर थोड़ा असहमति थी, जिसमें अधिकतम अंतर $2.0 \times 10^{-5}$ माइक्रोवोल्ट था। हालाँकि, यह मामूली उतार-चढ़ाव बिल्कुल भी मायने नहीं रखता था। भले ही संख्याएं थोड़ी अलग थीं, दोनों प्रणालियों ने बिल्कुल एक ही निर्णय लिए: उन्होंने एक ही खराब संकेतों को खारिज किया और एक ही अच्छे संकेतों को रखा। जब तक डेटा विश्लेषण के लिए अंतिम टुकड़ों में कटा, कुल अंतर $2.1 \times 10^{-5}$ माइक्रोवोल्ट से कम रहा।

यह पेपर स्पष्ट रूप से इस विचार को खारिज करता है कि Python इस काम के लिए स्वाभाविक रूप से MATLAB से "खराब" या कम सटीक है। इसके बजाय, यह दिखाता है कि सावधानीपूर्वक इंजीनियरिंग के साथ, Python उस भरोसेमंद वर्कफ़्लो की पूरी तरह से नकल कर सकता है। एकमात्र समय जब सिस्टम अलग हुए, वह तब था जब विभिन्न कंप्यूटर चिप्स दशमलव गणित को संभालने के अपने अनचाहे व्यवहार के कारण थोड़ा विचलित हुए, लेकिन ये खामियां इतनी छोटी थीं कि वे अंतिम वैज्ञानिक निष्कर्ष को कभी नहीं बदल पाईं। चाहे डेटा Apple Silicon चिप से आया हो या Intel चिप से, Python टूल ने अपनी पकड़ बनाए रखी, यह साबित करते हुए कि शोधकर्ता अब स्थापित मानक से दूर जाने की चिंता किए बिना इस शक्तिशाली, मुफ्त और क्लाउड-फ्रेंडली टूल का उपयोग कर सकते हैं।

संक्षेप में, EEGPrep ओपन साइंस (open science) की एक जीत है। इसका मतलब है कि वैज्ञानिक अब किसी भी कंप्यूटर पर मुफ्त, सुलभ उपकरणों का उपयोग करके अपने मस्तिष्क के डेटा को साफ कर सकते हैं, इस विश्वास के साथ कि उनके परिणाम महंगे, पारंपरिक सॉफ्टवेयर की तुलना में उतने ही विश्वसनीय हैं। रेसिपी वही है, केक का स्वाद भी वही है, और अब, कोई भी इसे बना सकता है।

तकनीकी सारांश: EEGPrep

समस्या विवरण
स्वचालित EEG प्रीप्रोसेसिंग अनुसंधान और नैदानिक सेटिंग्स में मानक है, फिर भी बहुत कम पाइपलाइन को स्थापित मानकों के विरुद्ध व्यवस्थित रूप से सत्यापित किया गया है। एक हालिया बेंचमार्क ने पहचाना कि डिफ़ॉल्ट EEGLAB पाइपलाइन ही एकमात्र ऐसी पाइपलाइन है जो साधारण हाई-पास फ़िल्टरिंग से काफी बेहतर प्रदर्शन करती है, जिसका मुख्य कारण इसकी आर्टिफैक्ट रिमूवल (artifact removal) और इंटरपोलेशन क्षमताएं हैं। हालांकि, आधुनिक पायथन-केंद्रित और क्लाउड-आधारित वर्कफ़्लो में तैनाती के लिए EEGLAB की MATLAB पर निर्भरता जटिलता पैदा करती है। इसके अलावा, हालांकि एल्गोरिदम के पायथन पोर्ट मौजूद हैं, लेकिन इस बात की कोई गारंटी नहीं होती कि वे मूल MATLAB कार्यान्वयन के संख्यात्मक व्यवहार (numerical behavior) को पुनरुत्पादित करेंगे, विशेष रूप से रिकर्सिव फ़िल्टरिंग और इंडिपेंडेंट कंपोनेंट एनालिसिस (ICA) में फ्लोटिंग-पॉइंट अंकगणित के संबंध में। यह सत्यापन की कमी पुनरुत्पादकता (reproducibility) में बाधा डालती है और यह निर्धारित करना कठिन बनाती है कि परिणामों में अंतर एल्गोरिथम विकल्पों के कारण है या कार्यान्वयन विवरणों के कारण।

कार्यप्रणाली
लेखकों ने EEGPrep विकसित किया है, जो एक पायथन कार्यान्वयन है जिसे संख्यात्मक सटीकता के साथ डिफ़ॉल्ट EEGLAB प्रीप्रोसेसिंग वर्कफ़्लो को पुनरुत्पादित करने के लिए डिज़ाइन किया गया है। यह पाइपलाइन सात चरणों से बनी है:

इंपोर्ट (Import): BIDS-फॉर्मेटेड डेटा लोड करना।
री-रेफरेंसिंग (Re-referencing): कॉमन एवरेज रेफरेंस में बदलना।
आर्टिफैक्ट रिमूवल (Artifact Removal): खराब चैनलों और उच्च-आयाम वाले ट्रांजिएंट्स की पहचान करने और उन्हें हटाने के लिए clean_rawdata प्लगइन (जिसमें आर्टिफैक्ट सबस्पेस रिकंस्ट्रक्शन, ASR शामिल है) का उपयोग करना।
ICA: Picard एल्गोरिदम (एक डिटर्मिनिस्टिक क्वासी-न्यूटन सॉल्वर जो EEGLAB के runica के समान InfoMax ऑब्जेक्टिव को ऑप्टिमाइज़ करता है) का उपयोग करके डिकम्पोज़िशन करना।
वर्गीकरण (Classification): घटकों (ब्रेन, मसल, आई, आदि) को वर्गीकृत करने और उच्च संभावना वाले आर्टिफैक्ट्स को रिजेक्ट करने के लिए ICLabel प्लगइन का उपयोग करना।
इंटरपोलेशन (Interpolation): स्पहेरिकल-स्प्लिन इंटरपोलेशन के माध्यम से हटाए गए चैनलों का पुनर्निर्माण करना।
एपोकिंग (Epoching): इवेंट्स के इर्द-गिर्द निरंतर डेटा को सेगमेंट करना।

सत्यापन दृष्टिकोण:

डेटासेट: 13 प्रतिभागियों (NEMAR ds003061) के 64-चैनल P300 ऑडिटरी ऑडबॉल रिकॉर्डिंग, जिसमें अंतिम विश्लेषण के लिए 12 विषयों को शामिल किया गया।
तुलना: पायथन कार्यान्वयन की तुलना MATLAB EEGLAB 2026.0.0 रेफरेंस से की गई।
आर्किटेक्चर: प्राथमिक विश्लेषण ARM arm64 (Apple Silicon) पर और पूरक विश्लेषण Intel x86_64 पर।
मेट्रिक्स: मैक्सिमम एब्सोल्यूट डिफरेंस, रूट मीन स्क्वायर (RMS) एरर, AMARI डिस्टेंस (ICA के लिए), और रिजेक्शन निर्णयों पर सहमति।
तकनीकी नियंत्रण: लेखकों ने रैंडम सीड्स को नियंत्रित करके (यूनिफॉर्म ड्रॉ के लिए MT19937 और विशिष्ट शफल एल्गोरिदम का उपयोग करके), कैनोनिकल पायथन Picard कोड से मेल खाने के लिए MATLAB रेफरेंस कार्यान्वयन को ठीक करके, और विशिष्ट BLAS बैकएंड (Apple Accelerate बनाम Intel MKL) के माध्यम से फ्लोटिंग-पॉइंट रिडक्शन ऑर्डर को प्रबंधित करके सटीक समानता सुनिश्चित की।

प्रमुख योगदान

संख्यात्मक समानता (Numerical Parity): EEGPrep सफलतापूर्वक EEGLAB वर्कफ़्लो को पुनरुत्पादित करता है। ARM arm64 पर, इंपोर्ट और री-रेफरेंस चरण बिल्कुल मेल खाते थे। clean_rawdata और Picard ICA चरण शून्य संख्यात्मक अंतर दिखाते हैं (मैक्सिमम RMS $\approx 1.5 \times 10^{-12}$ µV; AMARI डिस्टेंस $\le 0.000001$ )।
ICLabel अनुमान: एकमात्र मापने योग्य संख्यात्मक अंतर ICLabel न्यूरल नेटवर्क इंफरेंस (PyTorch बनाम MATLAB) के दौरान आया, जिसमें अधिकतम RMS $2.0 \times 10^{-5}$ µV था। महत्वपूर्ण रूप से, इन सूक्ष्म अंतरों ने किसी भी कंपोनेंट रिजेक्शन निर्णय को नहीं बदला।
एंड-टू-एंड सटीकता: इंटरपोलेशन और एपोकिंग सहित पूर्ण पाइपलाइन ने $\le 2.1 \times 10^{-5}$ µV का एंड-टू-एंड मैक्सिमम RMS एरर बनाए रखा।
BIDS एकीकरण: यह टूल नेटिवली BIDS इनपुट पढ़ता है और आवश्यक मेटाडेटा के साथ BIDS डेरिवेटिव लिखता है, जिससे यह पहला पाइपलाइन बनता है जो BIDS वैलिडेटर को पास करने वाले प्रमाणित BIDS डेरिवेटिव बनाता है।
डिप्लॉयमेंट: EEGPrep PyPI और Docker के माध्यम से उपलब्ध है, जिससे बिना MATLAB लाइसेंस के इंस्टॉलेशन संभव है और क्लाउड डिप्लॉयमेंट (जैसे brainlife.io, AWS, Azure) को सुगम बनाया जा सकता है।

परिणाम

रिजेक्शन निर्णय: पायथन और MATLAB ने सभी 12 विषयों के लिए clean_rawdata चरण में समान चैनलों और टाइम पॉइंट्स को रिजेक्ट किया।
ICA फिडेलिटी: ICA डिकम्पोज़िशन दोनों भाषाओं में समान था, जिसमें औसत कंपोनेंट कोरिलेशन 1.000 था।
वर्गीकरण: ICLabel में मामूली float32 संभाव्यता भिन्नताओं के बावजूद, अंतिम बाइनरी रिजेक्शन निर्णय ( $\ge 0.9$ थ्रेशोल्ड के आधार पर) प्रत्येक आर्किटेक्चर के भीतर सभी विषयों के लिए समान थे।
आर्किटेक्चर संवेदनशीलता: जबकि पायथन और MATLAB प्रत्येक आर्किटेक्चर के भीतर सहमत थे, Apple Accelerate और Intel MKL के बीच फ्लोटिंग-पॉइंट एक्यूमुलेशन में एक छोटे से अंतर के कारण दो विषयों में आर्किटेक्चर के बीच अलग-अलग रिजेक्शन काउंट देखे गए (ARM पर 15 कंपोनेंट रिजेक्टेड बनाम Intel पर 13)। यह रेखांकित करता है कि सब-माइक्रोवोल्ट अंतर वर्गीकरण थ्रेशोल्ड के पास निर्णयों को बदल सकते हैं।

महत्व
यह पेपर दावा करता है कि EEGPrep एक प्रमाणित, संख्यात्मक रूप से समकक्ष पायथन पोर्ट प्रदान करता है, जो इसे उन वातावरणों में उपयोग करने में सक्षम बनाता है जहाँ MATLAB अव्यावहारिक है। इसका महत्व निम्नलिखित है:

पुनरुत्पादकता: यह शोधकर्ताओं को यह सत्यापित करने की अनुमति देता है कि परिणामों में अंतर एल्गोरिथम विकल्पों के कारण है न कि कार्यान्वयन संबंधी विसंगतियों के कारण।
पहुंच: यह MATLAB के लाइसेंसिंग अवरोध को हटाता है, जो एक ऐसी पाइपलाइन है जो पिछले बेंचमार्क में प्रयोगात्मक प्रभावों का पता लगाने में वृद्धि (5-18%) करने के लिए सिद्ध हुई है।
सटीकता: यह अध्ययन प्रदर्शित करता है कि रैंडम सीड्स और लीनियर अलजेब्रा बैकएंड के सावधानीपूर्वक नियंत्रण के साथ, भाषाओं के बीच सटीक संख्यात्मक प्रतिकृति (replication) प्राप्त करना संभव है, जहाँ एकमात्र मापने योग्य त्रुटि (ICLabel से) शारीरिक रूप से नगण्य (सामान्य EEG आयामों या थर्मल शोर से कई गुना कम) है।
मानकीकरण: BIDS एंड-टू-एंड सपोर्ट के माध्यम से, यह मानकीकृत न्यूरोइमेजिंग वर्कफ़्लो में स्वचालित प्रीप्रोसेसिंग के एकीकरण को सुगम बनाता है।

लेखक निष्कर्ष निकालते हैं कि हालांकि सटीक बिट-फॉर-बिट पहचान विशिष्ट सॉफ्टवेयर स्टैक (BLS, रैंडम सीड्स) पर निर्भर करती है, फिर भी पाइपलाइन परीक्षण किए गए डेटासेट के लिए MATLAB रेफरेंस के कार्यात्मक और संख्यात्मक रूप से समकक्ष परिणाम देती है, जिसमें त्रुटियां शारीरिक प्रासंगिकता के थ्रेशोल्ड से बहुत नीचे हैं।

इसी तरह के और पेपर