Název:
Electroencephalogram (EEG) and machine learning based classification of depression: unveiling hidden patterns for early detection
Překlad názvu:
Electroencephalogram (EEG) and machine learning based classification of depression: unveiling hidden patterns for early detection
Autoři:
Jurkechová, Adriana ; Malik, Aamir Saeed (oponent) ; Zaheer, Muhammad Asad (vedoucí práce) Typ dokumentu: Bakalářské práce
Rok:
2024
Jazyk:
eng
Nakladatel: Vysoké učení technické v Brně. Fakulta informačních technologií
Abstrakt: [eng][cze]
Táto práca sa zaoberá predspracovaním EEG signálov, extrakciou vlastností a klasifikáciou pacientov s depresiou a zdravou kontrolnou skupinou. Na klasifikáciu bolo zväžených a ohodnotených 5 modelov strojového učenia. Získané poznatky potvrdzujú výsledky z predchádzajúcich výskumov a poukazujú na dôležitosť veľkého a diverzného datasetu. Táto práca pracuje s verejne dostupným datasetom.
This work deals with the pre-processing EEG signals, extraction of the features and classifying depressed patients and healthy control group. For classification, 5 different machine learning models were considered and evaluated. Findings confirm results from prior research and show the importance of a large, diverse dataset. This work utilises a public dataset.
Klíčová slova:
depression; depression classification; EEG; feature extraction; machine learning classification; signal pre-processing; depresia; EEG; extracia vlastností; klasifikácia depresie; predspracovanie signálov; strojové učenie
Instituce: Vysoké učení technické v Brně
(web)
Informace o dostupnosti dokumentu:
Plný text je dostupný v Digitální knihovně VUT. Původní záznam: https://hdl.handle.net/11012/246895