Evaluacija i razvoj sustava za automatsku identifikaciju relevantne moždane aktivnosti

diplomski rad

• Naslov (engleski): Automatic Detection of Discriminative Brain Activity Patterns
• Autor: Ivana Zadro
• Mentor: Damir Seršić (mentor)
• Član povjerenstva: Tanja Schultz (član povjerenstva)
• Član povjerenstva: Dominic Heges (član povjerenstva)
• Član povjerenstva: Cristian Herff (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Fakultet elektrotehnike i računarstva; Zagreb
• Datum i država obrane: 2014-12-15, Hrvatska
• Znanstveno / umjetničko područje, polje i grana: TEHNIČKE ZNANOSTI; Računarstvo

Sažetak

U ovom radu je predložena metoda za identifikaciju diskriminativnih uzoraka moždane aktivnosti s primjenom za mozak-računalo sučelje (eng. Brain Computer Interface). Višekanalni EEG signal se segmentira u diskriminativne klastere u prostorno-vremensko-frekvencijskoj domeni. Klasteriranje započinje procjenom relevantnosti u spektralnoj domeni signala pomoću Fisherovog koefcijenta i određivanjem praga te završava spektralnim klasteriranjem. Metoda ima sposobnost ekstrakcije uzoraka moždane aktivnosti u prostoru, vremenu i frekvenciji specifični za pojedini subjekt. Evaluacija predložene metode se vrši na primjeru klasifikacije EEG snimki različitih zamišljenih motoričkih radnji. Tehnika Common Spatial Patterns (CSP) se primjenuje za ekstrakciju značajki iz svakog klastera. Algoritam se primjenjuje na sve subjekte iz podatkovnog seta IIa s BCI natjecanja IV te na subjekte iz podatkovnog seta IVa s BCI natjecanja III. Za oba podatkovna seta dobivene prosječne točnosti klasifikacije nadmašuju one dobivene komparativnom metodom Filter Bank Common Spatial Patterns (FBCSP).

Sažetak (engleski)

We introduce a new method to identify discriminative brain activity
patterns for Brain-Computer Interface (BCI) applications.
The multichannel EEG data are segmented into discriminative clusters in
the time-frequency-channel domain. It is accomplished by Fisher score
based relevance analysis and thresholding followed by spectral clustering.
The method can be used to extract subject specific brain activity patterns
in location, time and frequency. We evaluated our approach by classification of motor imagery related EEG recordings. The features are extracted by the Common Spatial Pattern algorithm that are determined by parameters associated with obtained clusters. The
algorithm was applied to all subjects from BCI Competition IV data set IIa
and BCI Competition III data set IVa. For both data sets the average classification accuracies outperform these obtained with a FBCSP technique.

• Ključne riječi: EEG; BCI; uzorci moždane aktivnosti; zamišljene motoričke radnje; diskriminativna analiza; spektralno klasteriranje; Common Spatial Patterns (CSP); FBCSP
• Ključne riječi (engleski): EEG; BCI; brain activity patterns; motor imagery; relevance analysis; spectral clustering; Common Spatial Patterns (CSP); FBCSP
• Jezik: engleski
• URN:NBN: urn:nbn:hr:168:090174
• 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: 2019-03-14 02:16:25