Název:
Analýza a klasifikace dat ze snímače mozkové aktivity
Překlad názvu:
Data Analysis and Clasification from the Brain Activity Detector
Autoři:
Jileček, Jan ; Černocký, Jan (oponent) ; Szőke, Igor (vedoucí práce) Typ dokumentu: Diplomové práce
Rok:
2019
Jazyk:
cze
Nakladatel: Vysoké učení technické v Brně. Fakulta informačních technologií
Abstrakt: [cze][eng]
V této práci zkoumám snímač mozkové aktivity OpenBCI Ultracortex IV EEG ve formě headsetu, problematiku nahrávání EEG dat, neurofeedbacku a metody strojového učení z nasbíraných dat mozkové aktivity sensorimotorické části mozku, ve které sleduji EEG signatury záměru pro pohyb levé a pravé ruky. Výstupem je několik datových sad pro trénování a testování, nástroj pro sběr dat mozkové aktivity, demo neurofeedback aplikace a statistické údaje vycházející z analýzy nasbíraných dat. Čerpám zde z existujících výzkumů, se kterými porovnávám dosažené výsledky. Použité metody a jejich úspěšnost popíšu a vyhodnotím jejich efektivitu.
This thesis aims to implement methods for recording EEG data obtained with the neural activity sensor OpenBCI Ultracortex IV headset. It also describes neurofeedback, methods of obtaining data from the motor cortex for further analysis and takes a look at the machine learning algorithms best suited for the presented problem. Multiple training and testing datasets are created, as well as a tool for recording the brain activity of a headset-wearing test subject, which is being visually presented with cognitive challenges on the screen in front of him. A neurofeedback demo app has been developed, presented and later used for calibration of new test subjects. Next part is data analysis, which aims to discriminate the left and right hand movement intention signatures in the brain motor cortex. Multiple classification methods are used and their utility reviewed.
Klíčová slova:
BCI; biofeedback; DWT; EEG; gradient boosting; gui; lstreamer; motorický kortex; mozek; mozkové vlny; OpenBCI; openvibe; ovládání myšlenkami; pozornost; prefrontální kortex; python; random forests; soustředění; supportvector machines; systém 10-20; Ultracortex; unity; wavelet; 10-20 system; atten-tion; BCI; biofeedback; brain; brain waves; DWT; EEG; focus; gradient boosting; gui; lstreamer; meditation; mind-controlled game; motor cortex; OpenBCI; openvibe; prefrontal cortex; python; random forests; support vec-tor machines; Ultracortex; unity; wavelet
Instituce: Vysoké učení technické v Brně
(web)
Informace o dostupnosti dokumentu:
Plný text je dostupný v Digitální knihovně VUT. Původní záznam: http://hdl.handle.net/11012/180619