Electroencephalography (EEG) is the most popular brain activity recording technique used in wide range of applications. One of the commonly faced problems in EEG recordings is the presence of artifacts that come from sources other than brain and contaminate the acquired signals significantly. Therefore, much research over the past 15 years has focused on identifying ways for handling such artifacts in the preprocessing stage. However, this is still an active area of research as no single existing artifact detection/removal method is complete or universal. This article presents an extensive review of the existing state-of-the-art artifact detection and removal methods from scalp EEG for all potential EEG-based applications and analyses the pros and cons of each method. First, a general overview of the different artifact types that are found in scalp EEG and their effect on particular applications are presented. In addition, the methods are compared based on their ability to remove certain types of artifacts and their suitability in relevant applications (only functional comparison is provided not performance evaluation of methods). Finally, the future direction and expected challenges of current research is discussed. Therefore, this review is expected to be helpful for interested researchers who will develop and/or apply artifact handling algorithm/technique in future for their applications as well as for those willing to improve the existing algorithms or propose a new solution in this particular area of research.

L’électroencéphalographie (EEG) est une technique d’exploration du cerveau très utilisée dans une large gamme d’applications. L’un des problèmes couramment rencontrés dans les enregistrements EEG est la présence d’artefacts qui viennent de sources autres que l’activité cérébrale et contaminent significativement les signaux acquis. En conséquence, de nombreux travaux de recherche ont été effectués depuis les années 2000 pour identifier les moyens d’éliminer ces artefacts dans une étape de prétraitement du signal. Ceci est toujours l’objet de recherches actives, car aucune méthode existante de détection et rejet d’artefacts n’est parfaite et n’a pu faire l’objet d’un consensus. Cet article présente une revue détaillée et un état de l’art concernant les méthodes de détection et rejet d’artefacts à partir des enregistrements EEG de scalp pour toutes les applications potentielles basées sur l’EEG et analyse les avantages et les inconvénients de chaque méthode. Tout d’abord, un aperçu général des différents types d’artefacts qui peuvent s’observer dans l’EEG de scalp et leur impact en fonction d’applications particulières sont présentées. Puis, les méthodes sont comparées en fonction de leur capacité à éliminer certains types d’artefacts et de leur valeur dans les différentes applications pertinentes (seule une comparaison « fonctionnelle » est présentée et non l’évaluation de la performance de ces méthodes). Enfin, les orientations futures et les défis des recherches actuelles sont discutées. Cette revue devrait être utile pour les chercheurs intéressés à développer et/ou à appliquer des algorithmes ou techniques de manipulation d’artefacts EEG dans leurs travaux futurs, ainsi que pour ceux qui souhaitent améliorer les algorithmes existants ou de proposer de nouvelles solutions dans ce domaine de recherche spécifique.