Analiza i grupiranje nezavisnih komponenti EEG signala ispitanika koji obavljaju isti zadatak

master's thesis

• Title (english): Analysis and Grouping of the Independent Components of the EEG Signals of Subjects Performing the Same Task
• Author: Juraj Patalen
• Mentor: Igor Lacković (mentor)
• Committee member: Igor Lacković (predsjednik povjerenstva)
• Committee member: Mario Cifrek (član povjerenstva)
• Committee member: Magdalena Krbot Skorić (član povjerenstva)
• Granter: University of Zagreb; Faculty of Electrical Engineering and Computing; Zagreb
• Defense date and country: 2022-07-08, Croatia
• Scientific / art field, discipline and subdiscipline: TECHNICAL SCIENCES; Computing
• Scientific / art field, discipline and subdiscipline: TECHNICAL SCIENCES; Electrical Engineering

Abstract

Otkako je metoda nezavisnih komponenata prvi put primijenjena na elektroencefalografskim podatcima, njena uporaba proširila se među mnogim istraživačima i zdravstvenim djelatnicima zbog sposobnosti metode da na jednostavan način ukloni neželjene smetnje iz snimljenih podataka. Porastom popularnosti metode nezavisnih komponenti za otklanjanje često pojavljujućih smetnji iz signala, ostale korisne karakteristike ove metode poput mogućnosti lokalizacije izvora signala zanemarene su i ostavljene po strani te se analiza elektroencefalografskih podataka nakon uklanjanja smetnji ovom metodom većinom vraćala na klasično promatranje i analiziranje signala s elektroda. Metoda nezavisnih komponenti iz elektroencefalografskih zapisa pokušava pronaći nezavisne izvore tih signala u mozgu koji se mogu analizirati istim metodama kao i snimljeni podatci, ali su zbog primjene metode dodatno prostorno filtrirani. Ovo samu metodu i komponente koje metoda generira čini zanimljivom za istraživanje jer se nad nezavisnim komponentama mogu primjenjivati iste dobro poznate elektroencefalografske metode analize poput evociranih potencijala i analize spektra snage, a činjenica da se izvorima može dodijeliti i prostorna informacije može se iskoristiti kako bi se povećala prostorna razlučivost elektroencefalografije koju ona ne posjeduje. Kako većina istraživača i dalje koristi metodu nezavisnih komponenata samo za uklanjanje smetnji, ne postoje dobro definirani postupci analize nezavisnih komponenata i malo toga je poznato o aktivnostima koje opisuju nezavisne komponente. Cilj ovog rada je provjeriti koliko je analiza nezavisnih komponenti konzistentna kad se primjenjuje na snimke više ispitanika koji obavljaju isti zadatak, odnosno postoji li i kakva je sličnost među komponentama različitih ispitanika te razmotriti načine grupiranja komponenti po značajkama koje proizlaze iz samih komponenta.

Abstract (english)

Independent Component Analysis (ICA) is a mathematical method for blind source separation used in signal and data processing. Independent Component Analysis can be applied to electroencephalographic data in order to extract independent sources whose projections of electric fields form the EEG signals recorded on the scalp. The most common use of ICA in EEG data analysis includes the use of ICA as a tool for removing common EEG artifacts but does not often include the use of ICA for analyzing the useful brain activity. One of the reasons is the lack of well-defined procedures for comparing independent components of different subjects. This paper attempts to show whether a similarity exists between independent components that belong to different subjects performing the same task, but are not of artefactual origin. EEG recordings of 25 subjects performing an auditory oddball task were decomposed by Infomax ICA algorithm and the resulting independent components were clustered based on their equivalent dipole locations. After the initial clustering, groups of independent components with similar event-related potentials were found based on the cross-correlation coefficient of their normalized event-related potentials. In addition to the shape of event-related potentials, similarities were also found in the frequency spectrum and scalp maps of clustered components.

• Keywords: Metoda nezavisnih komponenata; Elektroencefalografija; EEG; Evocirani potencijali
• Keywords (english): Independent Component Analysis; ICA; Electroencephalography; EEG; Event-related potentials
• Language: croatian
• URN:NBN: urn:nbn:hr:168:313447
• Study programme: Title: Electrical Engineering and Information Technology; Study programme type: university; Study level: graduate; Academic / professional title: magistar/magistra inženjer/inženjerka elektrotehnike i informacijske tehnologije (magistar/magistra inženjer/inženjerka elektrotehnike i informacijske tehnologije)
• Type of resource: Text
• File origin: Born digital
• Access conditions: Closed access
• Created on: 2023-01-14 09:38:58