Smanjenje smetnji u elektroencefalogramu pomoću analize nezavisnih komponenata

završni rad

• Naslov (engleski): Artefact reduction in electroencephalogram using independent component analysis
• Autor: Matea Mihalj
• Mentor: Mario Cifrek (mentor)
• Član povjerenstva: Mario Cifrek (predsjednik povjerenstva)
• Član povjerenstva: Tomislav Pribanić (član povjerenstva)
• Član povjerenstva: Željka Lučev Vasić (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Fakultet elektrotehnike i računarstva; Zagreb
• Datum i država obrane: 2014-09-10, Hrvatska
• Znanstveno / umjetničko područje, polje i grana: TEHNIČKE ZNANOSTI; Računarstvo
• Znanstveno / umjetničko područje, polje i grana: TEHNIČKE ZNANOSTI; Elektrotehnika

Sažetak

Elektroencefalografija (EEG) je neinvazivna metoda mjerenja električne moždane aktivnosti. Valovite promjene na snimkama električnih potencijala zovu se moždani ritmovi, a cijela snimka elektroencefalogram.
EEG sadrži smetnje što otežava njegovu obradu. Jedna od tehnika koja omogućava smanjenje smetnji je slijepa separacija signala.
Postoji nekoliko metoda slijepe separacije od kojih su najpopularnije metoda analize glavnih osi (engl. Principal Component Analysis, PCA) i metoda nezavisnih komponenti (engl. Independent Component Analysis, ICA).
PCA je linearna metoda transformacije kojom se minimizira statistička ovisnost drugog reda promatranih signala.
Ako su ispunjene pretpostavke za ICA-u primjenjuje se nakon PCA. ICA je linearna transformacija koja minimizira statističku ovisnost viših redova signala čije razdiobe odstupaju od Gaussove razdiobe.
Kod ICA-e frekvencija signala ostaje očuvana a amplituda ne.

Sažetak (engleski)

Electroencephalography (EEG) is non-invasive method of measuring electrical brain activity. Oscillatory changes on recordings of electrical potentials are called brain waves, and the whole recording electroencephalogram.
EEG contains interference that complicates its processing. One of the techniques that allow the reduction of interference is called blind source separation.
There are some methods of blind source separation, and the most popular are principal component analysis (PCA) and independent component analysis (ICA).
PCA is a linear transformation method that minimizes the statistical dependence of the second order of the observed signal.
If preconditions of ICA are satisfied ICA is applied after PCA. If the conditions are not satisfied it is possible to use only PCA. ICA is a linear transformation that minimizes the statistical dependence of higher ranks of non-Gaussian signals.
In ICA frequency of signals is preserved, but amplitude not.

• Ključne riječi: elektroencefalografija (EEG); slijepa separacija signala (BSS); metoda nezavisnih komponenti (ICA); metoda analize glavnih osi (PCA); JADE
• Ključne riječi (engleski): electroencephalography (EEG); blind source separation (BSS); independent component analysis (ICA); principal component analysis (PCA); Joint Approximate Diagonalization of Eigen-matrices (JADE)
• Jezik: hrvatski
• URN:NBN: urn:nbn:hr:168:310694
• Studijski program: Naziv: Elektrotehnika i informacijska tehnologija; Vrsta studija: sveučilišni; Stupanj studija: preddiplomski; Akademski / stručni naziv: sveučilišni/a prvostupnik/ prvostupnica (baccalaureus/baccalaurea) inženjer/inženjerka elektrotehnike i informacijske tehnologije (univ. bacc. ing. el. techn. inf.)
• Vrsta resursa: Tekst
• Način izrade datoteke: Izvorno digitalna
• Prava pristupa: Zatvoreni pristup
• Datum i vrijeme pohrane: 2018-02-06 10:39:44