Klasifikacija afektivnih poremećaja korištenjem nelinearnih značajki signala EEG-a

završni rad

• Naslov (engleski): Classification of Affective Disorders Using Non-linear Features of EEG Signal
• Autor: Eloise Habek
• Mentor: Mario Cifrek (mentor)
• Član povjerenstva: Mario Cifrek (predsjednik povjerenstva)
• Član povjerenstva: Matija Roglić (član povjerenstva)
• Član povjerenstva: Eda Jovičić (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Fakultet elektrotehnike i računarstva; Zagreb
• Datum i država obrane: 2024-07-11, Hrvatska
• Znanstveno / umjetničko područje, polje i grana: TEHNIČKE ZNANOSTI; Računarstvo

Sažetak

Afektivni poremećaji su psihički poremećaji koji utječu na sposobnost regulacije raspoloženja. Elektroencefalografija je neinvazivni i široko dostupni postupak mjerenja električne aktivnosti mozga. Strojno učenje je grana računarstva koja se bavi optimiziranjem algoritma čiji je cilj generaliziranje na neviđenim podacima. Klasifikacija je tip nadziranog strojnog učenja u kojem se ulaznim podacima pridjeljuje oznaka. U ovom radu je ispitana uspješnost četiri modela strojnog učenja za klasifikaciju afektivnih poremećaja na temelju nelinearnih značajki signala EEG-a. Postupak započinje pripremom skupa podataka predobradom signala, a zatim se izdvajanju nelinearne značajke. Ispitani klasifikatori su kategorizirali ispitanike u zdravu ili depresivnu osobu na temelju izdvojenih nelinearnih značajki te se njihova uspješnost analizirala s mjerom točnosti.

Sažetak (engleski)

Affective disorders are psychological disorders that affect the ability to regulate mood. Electroencephalography is a non invasive and widely available procedure for measuring the brain's electrical activity. Machine learning is a branch of computing which deals with optimizing algorithms whose purpose is to generalize conclusions on unseen data. Classification is a type of supervised machine learning in which labels are assigned to input data. This paper presents an analysis of four machine learning models for classification of affective disorders based on non linear features of EEG signals. The process begins with preparing the dataset by preprocessing the signals, followed by extracting non linear features. The classifiers categorized the subjects as either healthy or depressed based on extracted non linear features, and their performance was analyzed using accuracy.

• Ključne riječi: elektroencefalografija; afektivni poremećaji; strojno učenje; klasifikacija; predobrada signala
• Ključne riječi (engleski): electroencephalography; affective disorders; machine learning; classification; signal preprocessing
• Jezik: hrvatski
• URN:NBN: urn:nbn:hr:168:529954
• Studijski program: Naziv: Računarstvo; Vrsta studija: sveučilišni; Stupanj studija: preddiplomski; Akademski / stručni naziv: sveučilišni/a prvostupnik/ prvostupnica (baccalaureus/baccalaurea) inženjer/inženjerka računarstva (univ.bacc.ing.comp.)
• Vrsta resursa: Tekst
• Način izrade datoteke: Izvorno digitalna
• Prava pristupa: Zatvoreni pristup
• Datum i vrijeme pohrane: 2024-10-12 20:45:46