Multichannel electroencephalogram frequency domain feature extraction method for brain activity state transition detection

doctoral thesis

• Title (croatian): Metoda izlučivanja značajki višekanalnoga elektroencefalograma u frekvencijskoj domeni za detekciju promjene stanja moždane aktivnost
• Author: Igor Stančin
• Mentor: Alan Jović (mentor)
• Committee member: Domagoj Jakobović (predsjednik povjerenstva)
• Committee member: Mario Cifrek (član povjerenstva)
• Committee member: Marijan Palmović (član povjerenstva)
• Granter: University of Zagreb; Faculty of Electrical Engineering and Computing; Zagreb
• Defense date and country: 2023-06-20, Croatia
• Scientific / art field, discipline and subdiscipline: TECHNICAL SCIENCES; Electrical Engineering
• Universal decimal classification (UDC): 621.3 - Electrical engineering

Abstract

Focusing on the improvements in detecting brain state transitions, this thesis specifically investigates the transition from a waking state to a drowsy state during driving. Driver drowsiness is a significant road safety concern that contributes to numerous accidents and fatalities worldwide. The conducted research focuses on the detection and prediction of driver drowsiness using multichannel electroencephalography (EEG) signals. The published review paper [Pub1] systematically examines EEG signal features, drowsiness detection systems, and discusses potential improvements. A key insight found during the review is that current methods focus on a single brain region, while frequency-domain features from different brain regions behave differently during transition to drowsiness state.
Based on this insight, a novel brain state transition detection method that extracts multichannel frequency-domain features for improved drowsiness identification was developed [Pub2]. Further research also revealed that male and female subjects have different brain states and brain state transitions when experiencing drowsiness during driving [Pub4]. Incorporating information on the driver's sex improved drowsiness detection accuracy, and a reliable sex classifier was constructed using EEG data [Pub3].

Abstract (croatian)

Fokusirajući se na poboljšanja u detekciji prijelaza stanja moždane aktivnosti, ovaj doktorski rad posebno istražuje prijelaz iz budnog stanja u stanje pospanosti tijekom vožnje. Pospanost vozača značajan je problem sigurnosti na cestama koji pridonosi brojnim nesrećama i smrtnim slučajevima diljem svijeta. Provedeno istraživanje usmjereno je na detekciju i predviđanje pospanosti vozača pomoću signala višekanalne elektroencefalografije (EEG). Objavljeni pregledni rad [Pub1] sustavno ispituje značajke EEG signala, sustave za otkrivanje pospanosti i raspravlja o mogućim poboljšanjima. Ključni uvid do kojeg je došlo tijekom pregleda je da se trenutne metode fokusiraju na jednu regiju mozga, dok se značajke frekvencijske domene iz različitih regija mozga ponašaju različito tijekom prijelaza u stanje pospanosti.
Na temelju ovog uvida razvijena je nova metoda detekcije prijelaza stanja moždane aktivnosti koja izdvaja višekanalne značajke frekvencijske domene za poboljšanu identifikaciju pospanosti [Pub2]. Daljnja istraživanja također su otkrila da ispitanici muškog i ženskog spola imaju različita stanja mozga i prijelaze među stanjima moždane aktivnosti kada postaju pospani tijekom vožnje [Pub4]. Uključivanje informacija o spolu vozača poboljšalo je točnost otkrivanja pospanosti, a razvijen je i pouzdani klasifikator spola temeljem EEG signalu [Pub3].

• Keywords: drowsiness detection; eeg features; frequency domain features; multi-channel frequency features
• Keywords (croatian): detekcija pospanosti; eeg značajke; značajke frekvencijske domene; višekanalne frekvencijske značajke
• Language: english
• URN:NBN: urn:nbn:hr:168:341252
• Promotion: 2024
• Study programme: Title: Doctoral study programme "Electrical Engineering and Computing"; Study programme type: university; Study level: postgraduate; Academic / professional title: doktor/doktorica znanosti, po-dručje tehničkih znanosti (doktor/doktorica znanosti, po-dručje tehničkih znanosti)
• Type of resource: Text
• Extent: ix, 133 str. : graf. prikazi ; 31 cm.
• File origin: Born digital
• Access conditions: Open access
• Created on: 2024-02-15 14:46:03