|
|
Analýza signálů EEG
Bartošovský, Petr ; Dlouhý, Jiří (oponent) ; Rozman, Jiří (vedoucí práce)
BARTOŠOVSKÝ, P. Analýza signálů EEG. Brno: Vysoké učení technické v Brně, Fakulta elektrotechniky a komunikačních technologií, 2008. 35 s. Vedoucí bakalářské práce doc. Ing. Jiří Rozman, CSc. Práce se zabývá analýzou signálů EEG a metodami jejich digitálního zpracování. Při analýze aktivity mozkové činnosti z naměřených dat se lze setkat s tím, že data mohou být zkreslena různými poruchami tzv. artefakty. Tato data byla podkladem pro ověření algoritmu dvou metod a to metody hlavních komponent a metody nezávislých komponent, které mohou tyto artefakty eliminovat. Dosažené výsledky byly zhodnoceny a obě metody navzájem porovnány.
|
|
|
Bezkontaktní měření tepové frekvence z obličeje
Chmelíková, Lucie ; Potočňák, Tomáš (oponent) ; Janoušek, Oto (vedoucí práce)
Diplomová práce se zabývá studií bezkontaktní a neinvazivní metody pro odhad tepové frekvence z barevných změn obličeje. Bezkontaktní měření je založeno na snímání osob videokamerou a ze získaných obrazových sekvencí jsou vhodným přístupem získány hodnoty tepové frekvence. Teoretická část práce je věnována popisu tepové frekvence a metod vedoucích k měření tepové frekvence z barevných změn v obličeji. Také obsahuje hodnocení sledovacích algoritmů. Praktická část se zabývá popisem programu k bezkontaktnímu měření tepové frekvence a jeho programové řešení. Zároveň práce obsahuje statistické vyhodnocení funkčnosti tohoto řešení.
|
|
|
Frekvenční analýza EEG signálu pro detekci bdělosti mozku
Pohludka, Aleš ; Ronzhina, Marina (oponent) ; Potočňák, Tomáš (vedoucí práce)
Práce je zaměřena na základy elektroencefalografie, způsob měření elektroencefalogra- fických signálů, jejich zpracování a především interpretací signálu ve frekvenční a časově- frekvenční oblasti za účelem detekce mentální únavy jedince. Je diskutována mentální únava a její příčiny, důsledky a souvislost se senzoricko-kognitivním systémem a prováza- nosti s pamětí. Jsou popsány základní mezinárodní zapojení pro standardizované měření EEG signálů ze skalpu hlavy a experimenty, které vedou k navození mentální únavy. Na základě těchto vědomostí byl realizován vhodný experiment pro navození takovéhoto stavu. Celkem ho podstoupilo deset subjektů na měřícím zařízení GES 410MR od firmy EGI v laboratorních podmínkách. Data se analyzovala hlavně pomocí S-transformace a Hilbert-Huangovy transformace představující dva nejmodernější odlišné přístupy k časově-frekvenční analýze. Výsledkem práce je zhodnocení stavu mentální únavy v zá- vislosti na chybovosti v úkolu a čase.
|
|
|
Sestavy pro ambientní mikrofonní techniky
Šesták, Petr ; Schimmel, Jiří (oponent) ; Jirásek, Ondřej (vedoucí práce)
Pro správné pochopení fungování jednotlivých ambientních mikrofonních technik jsou v předkládané bakalářské práci popsané, mimo jiné, principy fungování mikrofonů a vybraných párových technik. Dále se práce zabývá návrhem a následně výrobou dvou konstrukcí pro ambientní mikrofonní techniky. Zaměřuje se na jejich vlastnosti, funkci a rozdíly mezi nimi, například v použití. Obsahuje vyznačení směrovosti jednotlivých ambientních technik.
|
|
|
Assessment of Independent EEG Components Obtained by Different Methods for BCI Based on Motor Imagery
Húsek, Dušan ; Frolov, A. A. ; Kerechanin, J. V. ; Bobrov, P.D.
Eight methods of decomposition of a multichannel EEG signal are compared in terms of their ability to identify the most physiologically significant components. The criterion for the meaningfulness of a method is its ability to reduce mutual information between components; to create components that can be attributed to the activity of dipoles located in the cerebral cortex; find components that are provided by other methods and for this case; and at the same time, these components should most contribute to the accuracy of the BCI based on imaginary movement. Independent component analysis methods AMICA, RUNICA and FASTICA outperform others in the first three criteria and are second only to the Common Spatial Patterns method in the fourth criterion. The components created by all methods for 386 experimental sessions of 27 subjects were combined into more than 100 clusters containing more than 10 elements. Additionally, the components of the 12 largest clusters were analyzed. They have proven to be of great importance in controlling BCI, their origins can be modeled using dipoles in the brain, and they have been detected by several degradation methods. Five of the 12 selected components have been identified and described in our previous articles. Even if the physiological and functional origins of the rest of identified components’ are to be the subject of further research, we have shown that their physiological nature is at least highly probable.\n
|
|
| |
|
|
Time Frequency Analysis of ERP Signals
Bartůšek, Jan ; Provazník, Ivo (oponent) ; Černocký, Jan (vedoucí práce)
The aim of this work is to improve the algorithm for clustering ERP signals based on the temporal and spatial properties of pseudo-signals gained by the Independent Component Analysis. The main purpose is to find new features, which could improve the original algorithm. This study is investigating application of new features gained by Fourier Transform and short time Fourier Transform methods. Basic principle and performance of the concept is demonstrated on the sample algorithm. Results have shown that the method can bring a contribution to the original project and can be its convenient improvement.
|
|
|
Reference Signals In Intracranial Eeg:
Implementation And Analysis
Uher, Daniel
The idea of an artifact-free brain activity recording has been circling around the scientific world for a few decades. Noise present in brain activity recordings may complicate the process of evaluation and interpretation. For the elimination of such unwanted components, the concept of virtual reference signals is usually used. In this work, the algorithms for reference signal estimation using common average-based method as well as more recent methods based on independent component analysis (ICA) were realized and evaluated on a new set of real clinical data. It was found that the ICA-based algorithms allow obtaining more accurate estimation of the reference signal as compared to the average-based one. Finally, all the methods were implemented into a free installable Python toolbox, which will be publicly available after additional testing on real data.
|
|
|
Reference v intrakraniálním EEG: implementace a analýza
Uher, Daniel ; Hejč, Jakub (oponent) ; Ronzhina, Marina (vedoucí práce)
PĹ™edstava záznamu mozkovĂ© aktivity bez zkreslujĂcĂch artefaktĹŻ koluje ve vÄ›deckĂ˝ch kruzĂch jiĹľ nÄ›kolik desĂtek let. ParazitnĂ jevy a nežádoucĂ sloĹľky dokážà vĂ˝raznÄ› komplikovat analĂ˝zu pacientskĂ©ho záznamu intrakraniálnĂho elektroencefalografu (iEEG). S nástupem modernĂ technologie však zaÄŤaly pĹ™ibĂ˝vat novĂ© metody pro preciznĂ odstranÄ›nĂ zkreslujĂcĂho šumu. Zde nastupuje koncept virtuálnĂch referenÄŤnĂch signálĹŻ, jakoĹľto nástroj pro eliminaci nežádoucĂch komponent. V tĂ©to práci, metoda zaloĹľená na prĹŻmÄ›rovánĂ spolu s modernÄ›jšĂmi metodami zaloĹľenĂ˝ch na analĂ˝ze nezávislĂ˝ch komponent (ICA) byly realizovány a testovány na rĹŻznĂ˝ch iEEG záznamech. Bylo zjištÄ›no, Ĺľe algoritmy zaloĹľenĂ© na ICA umoĹľĹujĂ lepšà a pĹ™esnÄ›jšà odhad referenÄŤnĂho signálu v porovnánĂ s prĹŻmÄ›rovacĂ metodou. Na závÄ›r byly všechny navrĹľenĂ© metody implementovány do open-source Python knihovny đť‘źđť‘’đť‘“đť‘ đť‘–đť‘”, která je veĹ™ejnÄ› dostupná, jednoduše instalovatelná a pĹ™ipravena k pouĹľitĂ.
|
|
|
Metody a algoritmy pro rozpoznávání obličejů
Soukup, Jiří ; Heriban, Pavel (oponent) ; Šťastný, Jiří (vedoucí práce)
Práce se zabývá popisem základních metod pro problematiku rozpoznávání obličejů. Mezi popisované metody patří PCA, LDA, ICA, trasová transformace, technika shlukových grafů, genetické algoritmy a neuronové sítě. V praktické části se práce zabývá implementací algoritmu PCA a jeho kombinaci s neuronovou sítí s radiální bází a genetického algoritmu. Neuronová síť s radiální bází je použita v roli klasifikátoru a genetický algoritmus je v jednom případě použit pro trénink neuronové sítě a v druhém případě pro výběr vlastních vektorů vytvořených metodou PCA. Tato metoda, spojení PCA + GA, zvané EPCA, dosahuje na testované ORL databázi nejlepších výsledků v rámci porovnávaných algoritmů.
|
host ::
RSS.