Sustav za prepoznavanje uzoraka aktivnosti mozga

diplomski rad

• Naslov (engleski): Brain activity pattern recognition system
• Autor: Janja Paliska
• Mentor: Damir Seršić (mentor)
• Član povjerenstva: Damir Seršić (predsjednik povjerenstva)
• Član povjerenstva: Marko Subašić (član povjerenstva)
• Član povjerenstva: Ana Sović Kržić (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Fakultet elektrotehnike i računarstva; Zagreb
• Datum i država obrane: 2015-07-07, Hrvatska
• Znanstveno / umjetničko područje, polje i grana: TEHNIČKE ZNANOSTI; Računarstvo

Sažetak

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.

Sažetak (engleski)

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.

• Ključne riječi: sučelje mozak–računalo (BCI); EEG; analiza glavnih sastavnica (PCA); valićna transformacija; filtarski slog; metoda potpornih vektora (SVM)
• Ključne riječi (engleski): brain-computer interface (BCI); EEG; principal component analysis (PCA); wavelet transform; filter bank; support vector machine (SVM)
• Jezik: hrvatski
• URN:NBN: urn:nbn:hr:168:625347
• Studijski program: Naziv: Informacijska i komunikacijska tehnologija; Vrsta studija: sveučilišni; Stupanj studija: diplomski; Akademski / stručni naziv: magistar/magistra inženjer/inženjerka informacijske i komunikacijske tehnologije (mag. ing. inf. et comm. techn.)
• Vrsta resursa: Tekst
• Način izrade datoteke: Izvorno digitalna
• Prava pristupa: Zatvoreni pristup
• Datum i vrijeme pohrane: 2018-02-06 11:03:23