|
|
Investigating very high-frequency oscillations phenomena in human brain
Kolajová, Martina ; Cimbálník, Jan (oponent) ; Klimeš, Petr (vedoucí práce)
The identification of the seizure onset zone (SOZ) -- the area of the brain where the seizure originates -- is critical for the success of epilepsy surgery. The significance of very high-frequency oscillation (VHFO) is based on their role as a more specific biomarker for this disease, although the mechanism of their generation remains unclear. Individual neurons are not capable of generating oscillations in the range of VHFO. Therefore, it is assumed that VHFO, detected by macroelectrodes, may arise from the summed activity of various neuronal subgroups firing asynchronously. This master's thesis provides thorough information on the matter of VHFO phenomena with a particular focus on their relationship to epilepsy. Through methods such as the utilization of microelectrodes (MEA), this thesis investigates mechanisms behind VHFO generation and presents its findings through data analysis in the programming language Python.
|
|
|
Aperiodická složka výkonového spektra EEG u pacientů s Parkinsonovou nemocí léčených hlubokou mozkovou stimulací
Chrásková, Sofie Hedvika ; Gajdoš, Martin (oponent) ; Lamoš, Martin (vedoucí práce)
Parkinsonova nemoc (PN) je jedním z nejčastějších neurodegenerativních onemocnění. Počet diagnostikovaných pacientů se v posledních 30 letech zdvojnásobil. Symptomatická léčba zahrnuje primárně farmakologickou terapii, a dále také modulaci mozkové aktivity pomocí hluboké mozkové stimulace. Tato práce se věnuje elektrofyziologickým změnám u pacientů léčených pomocí DBS, což může napomáhat rozvoji této velmi úspěšné terapie. V rámci praktické části práce byl zkoumán efekt DBS na tzv. aperiodickou složku výkonového spektra EEG signálu. Výsledky práce prokazují, že dlouhodobé účinky DBS mají vliv na aperiodickou složku. Stejně tak práce dokazuje, že lze sledovat změny aperiodické složky ve srovnání zapnuté a vypnuté stimulace. Tato tvrzení podporují závěry nejnovějších výzkumů, které zdůrazňují potenciál aperiodické složky jako vstupního signálu pro individuální terapii PN pomocí adaptivního DBS.
|
|
|
Diagnosing anxiety and depression from brain electroencephalogram (EEG) signals
Osvald, Martin ; Jaroš, Marta (oponent) ; Malik, Aamir Saeed (vedoucí práce)
Mental disorders represent inevitable emotions in our society. These psychological states affect the cognitive, emotional and behavioural functioning of individuals. Common men- tal disorders fall into two main diagnostic categories: depressive disorders and anxiety disorders. The aim of this work is to find a new method for detecting whether a given patient suffers from anxiety or depression using EEG classification. In this work, we use a combination of genetic algorithms and models from deep learning.
|
|
| |
|
|
Detection of Anxiety from Brain Electroencephalogram (EEG) Signals
Marko, Július ; Shakil, Sadia (oponent) ; Malik, Aamir Saeed (vedoucí práce)
Anxiety affects human abilities, behavior, productivity, and quality of life. Anxiety keeps us safe as part of a system that helps to control and avert danger. However, this safety system can go wrong. When such impairment emerges, it can lead to depression and even suicide. This work aims to develop a novel method of anxiety detection from brain signals, in particular electroencephalography (EEG), a non-invasive and cost-effective screening method. The proposed method incorporates microstates, which were not previously utilized for anxiety detection. Additional features in the time and frequency domain are extracted. Finally, a machine learning classifier is trained and evaluated on these features, outperforming other existing methods.
|
|
|
Electroencephalogram (EEG) and machine learning-based classification of various stages of mental stress
Lapčíková, Tereza ; Malik, Aamir Saeed (oponent) ; Zaheer, Muhammad Asad (vedoucí práce)
This thesis deals with the recognition of various stress stages experienced by patients from electroencephalogram (EEG). Various Support Vector Machine (SVM) and Long Short-Term Memory (LSTM) models classifying EEG into three classes – not stressed, moderate stressed, and very stressed were created. The process of implementing such a classifier consisted of data preparation, extraction, and finally, classification. This solution also implements augmentation of data. The highest accuracy achieved in this thesis was of 90 % using the SVM model. The best LSTM model was a three-layer LSTM and achieved classification accuracy of 70 %.
|
|
|
Spektrální analýza EEG signálu
Miklenda, Petr ; Orság, Filip (oponent) ; Kupková, Karolína (vedoucí práce)
Předložená bakalářská práce je zaměřena na analýzu signálu EEG pomocí rychlé Fourierovy transformace. Teoretická část se skládá z popisu EEG signálu, jeho vzniku a zvolené metody pro analýzu signálu. Praktická část představuje program pro nahrávání dat z EEG headsetu a zobrazení Fourierova spektra.
|
|
|
Spektrální analýza EEG signálu
Blatný, Michal ; Kozumplík, Jiří (oponent) ; Hrozek, Jan (vedoucí práce)
Cílem diplomové práce je seznámit čtenáře se základy měření EEG signálu, jeho vlastnostmi v časové i frekvenční oblasti a popsat princip následující analýzy. Hlavní částí této práce je terapeutická metoda biofeedback, která je vytvořena pomocí programu LabView pro použití v reálném čase. Projekt také obsahuje aplikaci vytvořenou v programu Matlab, která vytváří amplitudový brain mapping.
|
|
|
Elektroencefalografie
Jarošová, Veronika ; Ronzhina, Marina (oponent) ; Chmelař, Milan (vedoucí práce)
Tato semestrální práce má za svůj cíl popsat elektroencefalografii. Začátek práce je věnován historii elektroencefalografie, poté je popsána spontánní i evokovaná aktivita mozku. Dále se zabývá elektroencefalografii. Závěr teoretické části je věnován metodice a zpracování elektroencefalografického signálu. Praktická část práce je zaměřená na vytvoření tří různých úloh na epilepsii, reflexy a paměť. Poté byly úlohy prakticky ověřeny na čtrnácti dobrovolnících. Dále je v práci uveden návod pro daná měření, výsledky hodnocení a jejich diskuze.
|
|
|
Event Fixation Related Potential During Visual Emotion Stimulation
Mičánková, Veronika ; Lamoš, Martin (oponent) ; Potočňák, Tomáš (vedoucí práce)
This diploma thesis is a part of a ongoing research project concerning new joint technique of eye fixations and EEG. The goal of this work is to find and analyze a connection between eye fixation in a face expressing an emotion (static or dynamic). For this study certain software developments need to be done to adjust fixation data in Matlab and connect them to EEG signals with newly created markers. Based on the obtained information on fixations, EEG data are processed in BrainVision Analyzer and segmented to obtain ERPs and EfRPs for each stimuli.
|
host ::
RSS.