Usporedba konvolucijskih neuronskih mreža za klasifikaciju afektivnih poremećaja

diplomski rad

• Naslov (engleski): Comparison of Convolutional Neural Networks for Affective Disorder Classification
• Autor: Hana Ivandić
• Mentor: Mario Cifrek (mentor)
• Član povjerenstva: Mario Cifrek (predsjednik povjerenstva)
• Član povjerenstva: Tomislav Pribanić (član povjerenstva)
• Član povjerenstva: Alan Jović (član povjerenstva)
• Ustanova koja je dodijelila akademski / stručni stupanj: Sveučilište u Zagrebu; Fakultet elektrotehnike i računarstva; Zagreb
• Datum i država obrane: 2022-06-28, Hrvatska
• Znanstveno / umjetničko područje, polje i grana: TEHNIČKE ZNANOSTI; Računarstvo

Sažetak

Povratni depresivni poremećaj vrsta je afektivnog poremećaja. Rad se bavi klasifikacijom zapisa signala EEG-a dobivenih elektroencefalografijom u dvije klase: klasu depresivnih i klasu zdravih. Iz signala EEG-a izdvojeni su intervali kada pacijent miruje zatvorenih očiju te je provedena predobrada svih signala kako bi se iz njih uklonile smetnje i zadržali samo korisni dijelovi. Za opisani problem klasifikacije korišteno je nekoliko konvolucijskih neuronskih mreža različitih arhitektura i treniranih različitim postupcima. Rad uspoređuje njihove mjere vrednovanja i potrebna vremena treniranja međusobno, ali i s originalnim radovima iz kojih su preuzete arhitekture mreža. Korištena baza podataka dobivena je iz Klinike za psihijatriju Vrapče. Iz nje su izdvojeni zapisi signala EEG-a zdravih ljudi i pacijenata s povratnim depresivnim poremećajem s teškom trenutnom epizodom te je provedeno balansiranje ulaznog skupa podataka.

Sažetak (engleski)

Recurrent depressive disorder is a type of affective disorder. This paper deals with the classification of EEG signal recordings obtained from electroencephalography in two classes: depressed and healthy. The resting state segments where the patients have their eyes closed were extracted from the EEG signals. The signals were also preprocessed in order to eliminate noise and keep only the relevant parts. Multiple convolutional neural networks with different architectures and training procedures were used to solve the classification problem. The paper compares their performance measures and training execution times both mutually and with the results from the original papers in which the architectures were proposed. The database was provided by the Vrapče Psychiatric Hospital. EEG signal recordings of the healthy people and the patients with recurrent depressive disorder with severe current episode were extracted from it and subsampled to form a balanced set.

• Ključne riječi: afektivni poremećaji; elektroencefalografija; analiza neovisnih komponenti; konvolucijske neuronske mreže; klasifikacija
• Ključne riječi (engleski): affective disorders; electroencephalography; independent component analysis; convolutional neural networks; classification
• Jezik: hrvatski
• URN:NBN: urn:nbn:hr:168:908761
• Studijski program: Naziv: Računarstvo; Vrsta studija: sveučilišni; Stupanj studija: diplomski; Akademski / stručni naziv: magistar/magistra inženjer/inženjerka računarstva (mag.ing.comp.)
• Vrsta resursa: Tekst
• Način izrade datoteke: Izvorno digitalna
• Prava pristupa: Zatvoreni pristup
• Datum i vrijeme pohrane: 2023-01-14 08:56:32