|
Detection of Anxiety from Brain Electroencephalogram (EEG) Signals
Marko, Július ; Shakil, Sadia (referee) ; Malik, Aamir Saeed (advisor)
Úzkosť ovplyvňuje ľudské schopnosti, správanie, produktivitu a kvalitu života. Úzkosť nás udržuje v bezpečí ako súčasť systému, ktorý pomáha kontrolovať a odvracať nebezpečenstvo. Tento systém sa však môže narušiť. Keď takéto narušenie nastane, môže to viesť k depresii a dokonca k samovražde. Cieľom tejto práce je vyvinúť novú metódu detekcie úzkosti zo signálov mozgu, konkrétne elektroencefalogramu (EEG), neinvazívnej a nákladovo efektívnej skríningovej metódy. Navrhovaná metóda zahŕňa mikrostavy, ktoré zatiaľ neboli na základe dostupnej literatúry použité na detekciu úzkosti. Extrahované sú aj ďalšie vlastnosti v časovej a frekvenčnej doméne. Nakoniec bol na týchto vlastnostiach natrénovaný a vyhodnotený klasifikátor strojového učenia, ktorý prekonal aktuálne dostupné metódy.
|
| |
|
Developing Brain Computer Interface for Imagined Movements
Blašková, Barbora ; Jawed, Soyiba (referee) ; Malik, Aamir Saeed (advisor)
Rôzne poruchy a choroby mozgu postihujú približne každého šiesteho človeka a veľa z nich necháva na pacientoch trvalé následky. Téma mentálneho zdravia je čoraz viac dôležitá, keďže každý desiaty človek má diagnostikovanú mentálnu poruchu. Je preto dôležité študovať orgán, ktorý je stále z veľkej čati záhadou - mozog. Diplomová práca sa zameriava na Brain Computer Interface (BCI) - rozhranie, ktoré ponúka priame komunikačné spojenie medzi mozgom a vonkajším svetom. Základná myšlienka BCI je veľmi jednoduchá - najprv získať signál z mozgu, dekódovať ho a vykonať akciu vychádzajúcu zo zámeru užívateľa. Jedna z metód ako pomocou mozgu priamo komunikovať sú predstavované pohyby, čo je metóda založená na fakte, že predstava pohybu vyvoláva v mozgu rovnakú odozvu ako skutočný pohyb. V diplomovej práci je navrhnuté použiť EEG a jeho relatívne novú metódu analýzy - mikrostavy. Klasifikátor na rozlišovanie medzi úlohami predstavovaných pohybov je navrhnutý ako kombinácia vlastností mikrostavov extrahovaných z rôznych oblastí mozgu s už známymi vlastnosťami, ako napríklad frekvenčné alebo časové vlastnosti signálu. Klasifikátory boli natrénované na 30 účastníkoch, pre každého zvlášť.Boli implementované dva odlišné klasifikátory - jeden na klasifikáciu nečinnosti oproti aktivite a druhý na klasifikáciu predstavy pohybu ľavej ruky verzus pravej ruky. Priemerná presnosť klasifikácie nečinnosti a aktivity bola 0.85. Priemerná presnosť klasifikácie predstavy pohybu ľavej a pravej ruky bola 0.74. Ukázalo sa, že mikrostavy sú užitočné pri rozlišovaní medzi rôznymi stavmi v kontexte predstavovaných pohybov a BCI, ale potrebujú určité vylepšenia z hľadiska ďalšieho výskumu.
|
| |