Sustav za prepoznavanje uzoraka aktivnosti mozga

master's thesis

• Title (english): Brain activity pattern recognition system
• Author: Janja Paliska
• Mentor: Damir Seršić (mentor)
• Committee member: Damir Seršić (predsjednik povjerenstva)
• Committee member: Marko Subašić (član povjerenstva)
• Committee member: Ana Sović Kržić (član povjerenstva)
• Granter: University of Zagreb; Faculty of Electrical Engineering and Computing; Zagreb
• Defense date and country: 2015-07-07, Croatia
• Scientific / art field, discipline and subdiscipline: TECHNICAL SCIENCES; Computing

Abstract

Istraživanje mozga jedno je od najaktualnijih područja istraživanja. Uz brojna istraživanja raznih mentalnih bolesti, sve više se ulaže u sustave sučelja mozak–računalo kojima se, alternativnim putem, omogućava nepokretnim ljudima komunikacija s okolinom. Snimanjem i adekvatnom obradom moždanih valova, moguće je kreirati sustave za prepoznavanje namjere motoričkog pokreta ljudi. U sklopu ovoga rada, implementiran je jedan takav sustav koji na temelju EEG snimki klasificira zamišljene pokrete. Sustav kreće s učitavanja i obradom podataka, nakon čega, od svih dostupnih kanala, obavlja selekciju kanala, i to na dva načina: ručno i pomoću PCA projekcije. Nakon toga slijedi vremensko-frekvencijska analiza pomoću valićnoga filtarskog sloga iz koje se u idućem koraku kreiraju značajke. Na kraju se sve klasificira pomoću SVM metode strojnog učenja. Sustav je testiran na dostupnoj bazi podataka.

Abstract (english)

Brain research is one of the hottest fields of research. Besides numerous studies of various mental illnesses, more and more is invested in brain-computer interfaces, which is an alternative way for people to communicate with the environment. Recording and adequate treatment of brain waves allows us to create systems for identifying motor imagery tasks. As part of this paper, BCI based on EEG recordings for classifying imagery movements was implemented. The system starts with loading and data processing, after which it selects channels in two ways, manually and using PCA projection. This is followed by time-frequency analysis using wavelet filter bank and features creation. In the end, classifying using SVM method is done. Implementation was tested on available database.

• Keywords: sučelje mozak–računalo (BCI); EEG; analiza glavnih sastavnica (PCA); valićna transformacija; filtarski slog; metoda potpornih vektora (SVM)
• Keywords (english): brain-computer interface (BCI); EEG; principal component analysis (PCA); wavelet transform; filter bank; support vector machine (SVM)
• Language: croatian
• URN:NBN: urn:nbn:hr:168:625347
• Study programme: Title: Information and Communication Technology; Study programme type: university; Study level: graduate; Academic / professional title: magistar/magistra inženjer/inženjerka informacijske i komunikacijske tehnologije (magistar/magistra inženjer/inženjerka informacijske i komunikacijske tehnologije)
• Type of resource: Text
• File origin: Born digital
• Access conditions: Closed access
• Created on: 2018-02-06 11:03:23