|
|
Implementation of a Multipurpose Measurement System for (Sub)Terahertz Electron Spin Resonance Spectroscopy
Šedivý, Matúš ; Malik, Aamir Saeed (referee) ; Epel, Boris (referee) ; Vrba, Radimír (advisor)
Spektroskopie elektronové spinové rezonance (také nazývaná elektronová paramagnetická rezonance nebo jen EPR) zahrnuje metody, které zkoumají hmotu prostřednictvím nepárových elektronů. Jednou z progresivních metod EPR je rychlé skenování, které umožňuje pozorovat kinetiku chemických reakcí. Kromě toho nedávný vývoj vysokofrekvenčních součástkách rozšířil použití vysokofrekvenční EPR (HFEPR), které využívají sub-terahertzové až terahertzové vlny. Tato práce se zabývá propojením obou cest do HFEPR spektrometru s rychlým skenováním frekvencí (FRaScan), který byl nedávno vyvinut na CEITEC VUT. Na začátku je stručně uvedena základní teorie k EPR, následovaný přehledem přístrojového vybavení pro HFEPR. V praktické části je popsáno technické řešení spektrometru. Důraz je kladen na implementaci softwaru, pomocí kterého je spektrometr ovládán a měření jsou automatizována. Následně jsou ukázány příklady z měření pevných látek, konkrétně karbidu křemíku dopovaného vanadem (SiC:V), ftalocyaninu líthia (LiPc) a krystalu 1,3-bisdifenylen-2-fenylallylu (BDPA). Příklady demonstrují schopnosti spektrometru získat multifrekvenční vlnově spojitá EPR spektra a frekvenčně rozmítaná spektra v závislosti na teplotě a orientaci vzorku, a taky spektra pomocí rychlého skenování frekvencí
|
|
|
Real-Time Processing of Intracranial EEG Signals
Begáň, Patrik ; Malik, Aamir Saeed (referee) ; Černocký, Jan (advisor)
V této práci jsme navrhli a implementovali nástroj, který je schopen zpracovávat intrakraniální EEG signály v reálném čase. To se provádí aplikací funkcí pro výpočet různých iEEG biomarkerů implementovaných v python knihovně Epycom na příchozí datový tok a uložením výsledků do databáze. Porovnali jsme výsledky vypočítané naším nástrojem s offline výpočty a vyhodnotili, zda je zpracování signálu v reálném čase vhodné pro klinickou praxi.
|
|
|
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.
|
|
|
Emotion Recognition from Brain Electroencephalogram (EEG) Signals
Fritz, Karel ; Jawed, Soyiba (referee) ; Malik, Aamir Saeed (advisor)
Tato studie se zaměřuje na klasifikaci emocí z elektroencefalogramu (EEG). Kombinuje znalosti o fyziologii mozku (a emocí), s frekvenční analýzou, analýzou složitosti, zpracov- áním signálů a hlubokým strojovým učením (CNN, GNN). Cílem této práce je vytvořit model pro klasifikaci emocí a poskytnout nové náhledy do rozpoznávání emocí z EEG. Vytvořené modely stojí na principech CNN, GNN, multitask a self supervised tréninku. Jedním z výsledků bylo dosažení State of the Art výsledků na datasetu SEED. Proces porozumění této úloze sdílím na konci této práce.
|
|
|
Emotion Recognition from Analysis of a Person’s Speech
Knutelský, Martin ; Shakil, Sadia (referee) ; Malik, Aamir Saeed (advisor)
Táto práca sa zaoberá analýzou rozpoznávania emócií z ľudskej reči. Jej cieľom je navrhnúť a implementovať systém, ktorý je schopný automaticky klasifikovať emočný stav z rečových nahrávok. Riešenie je založené na neurónovej sieti typu Audio Spectrogram Transformer (AST), odvodenej z neurónovej siete Vision Transformer, ktorej vstupom je mel spektrogram. Implementácia riešenia pozostáva z dvoch častí. Prvá časť sa zaoberá extrakciou mel spektrogramu zo vstupnej nahrávky reči, zatiaľ čo v druhej časti predtrénovaný AST model počíta odozvu, ktorej výstupom sú pravdepodobnosti pre uvažované emočné triedy. Tréning a vyhodnotenie implementácie bolo uskutočnené na troch dátových sadách: RAVDESS, Emo-DB a EMOVO. Získané výsledky vo forme neváženej presnosti sú 84.5 % pre RAVDESS, 91.6 % pre Emo-DB a 73.8 % pre EMOVO. Počas tréningu modelu bolo zaznamenávané emitované množstvo CO2 na základe spotrebovanej energie grafickým procesorom. Hlavným výstupom tejto práce je využitie neurónovej siete vychádzajúcej z architektúry typu Transformer, určenej pôvodone pre obrazové úlohy, na rozpoznávanie emócií z ľudskej reči. Ďalším výstupom je hodnota uhlíkovej stopy tréningu neurónovej siete, vyjadrená ako hmotnosť vylúčeného CO2, ktorá dosiahla hodnotu 1058.37 gramov.
|
|
|
Real-Time Processing of Intracranial EEG Signals
Begáň, Patrik ; Malik, Aamir Saeed (referee) ; Černocký, Jan (advisor)
V této práci jsme navrhli a implementovali nástroj, který je schopen zpracovávat intrakraniální EEG signály v reálném čase. To se provádí aplikací funkcí pro výpočet různých iEEG biomarkerů implementovaných v python knihovně Epycom na příchozí datový tok a uložením výsledků do databáze. Porovnali jsme výsledky vypočítané naším nástrojem s offline výpočty a vyhodnotili, zda je zpracování signálu v reálném čase vhodné pro klinickou praxi.
|
guest ::
RSS feed.