|
|
Sdružená EEG-fMRI analýza na základě heuristického modelu
Janeček, David ; Kremláček, Jan (oponent) ; Labounek, René (vedoucí práce)
Diplomová práce se zabývá sdruženou EEG-fMRI analýzou na základě heuristického modelu. Heuristický model popisuje vztah mezi změnami v prokrvení aktivních mozkových oblastí a v elektrické aktivitě neuronů. Dále se tato práce zabývá různými metodami extrakce užitečné informace z EEG záznamu a jejich vlivy na konečný výsledek sdružené analýzy. Byly testovány metody průměrování elektrod zájmu, rozklad pomocí analýzy hlavních komponent a rozklad pomocí nezávislých komponent. Metoda průměrování elektrod zájmu a rozklad pomocí PCA dává podobné výsledky, ale není možné z EEG záznamu extrahovat jedinečnou informaci o určitém stimulačním vektoru. Pomocí ICA rozkladu jsme schopni získat informaci vztahující se k určité stimulaci, ale nastává zde problém v konečné interpretaci a výběru správné komponenty při slepém hledání variability spřažené s experimentem. Bylo zjištěno, že ačkoliv komponenty vypočtené z časové posloupnosti EEG záznamu jsou vzájemně nezávislé, jejich posun spektra vzájemně koreluje. Tato spektrální závislost byla eliminována PCA/ICA rozkladem až na vektorech posunu spektra. Zde již každá komponenta přináší novou informaci o mozkové aktivitě. Výsledky z heuristického přístupu byly porovnávány s výsledky sdružené analýzy na základě výpočtu relativního a absolutního výkonu v pásmech zájmu a byly nalezeny souvislosti mezi aktivačními mapami, a to především mezi heuristickým modelem a relativním výkonem v pásmu gamma (20-40 Hz).
|
|
|
Bezkontaktní detekce fyziologických parametrů z obrazových sekvencí
Bršlicová, Tereza ; Janoušek, Oto (oponent) ; Kolář, Radim (vedoucí práce)
Diplomová práce se zabývá studií bezkontaktních a neinvazivních metod pro odhad tepové a dechové frekvence. Bezkontaktní měření spočívá ve snímání osob běžnou videokamerou a ze získaných sad obrazových sekvencí jsou vhodnými přístupy vyhodnoceny hodnoty fyziologických parametrů. Teoretická část práce je věnována především popisu jednotlivých metod a jejich implementace. Praktická část popisuje návrh a realizaci experimentu pro bezkontaktní detekci tepové a dechové frekvence. Experiment byl uskutečněn na 10 dobrovolnících se známou hodnotou tepové a dechové frekvence, což zajišťoval sofistikovaný systému BIOPAC. Zpracování a analýza naměřených dat byla provedena v programovém prostředí Matlab. Nakonec bylo provedeno srovnání výsledků z bezkontaktní detekce a referenčního měření systémem BIOPAC. Výsledky experimentu jsou statisticky vyhodnoceny a diskutovány.
|
|
|
Porovnání metod efektivní a funkční konektivity ve funkční magnetické rezonanci
Gajdoš, Martin ; Schwarz, Daniel (oponent) ; Jan, Jiří (vedoucí práce)
Funkční magnetická rezonance (fMRI) je důležitá neurozobrazovací metoda, používaná ke studiu mozku. Cílem této práce je vytvořit softwarový nástroj pro porovnání dvou souměřitelných metod pro zjišťování funkční a efektivní konektivity ve fMRI datech. V této práci jsou shrnuty základní poznatky o zobrazování magnetickou rezonancí a o zobrazování pomocí fMRI. Dále se práce zabývá metodami funkční a efektivní konektivity, detailně metodami dynamického kauzálního modelování (DCM), analýzy nezávislých komponent (ICA) a Grangerova kauzálního modelování (GCM). V práci je představena praktická implementace metody DCM v toolboxu SPM a metody ICA v toolboxu GIFT. Následně se práce zabývá simulacemi pro porovnání souměřitelných metod DCM a GCM. Simulace jsou prováděny především za účelem zjištění chování modelů v závislosti na několika parametrech, čehož bylo dosaženo použitím Monte Carlo simulací. Ke konci práce je podrobně popsán návrh a realizace softwarového nástroje Connectivity_simulator, který umožňuje provést porovnání metod GCM a DCM na základě uživatelem specifikovaných vstupních parametrů simulace, a výsledky této simulace přehledně zobrazit.
|
|
|
Implementace algoritmů slepé separace zdrojů v jazyce C/C++
Funderák, Marcel ; Malý, Jan (oponent) ; Míča, Ivan (vedoucí práce)
Tato práce se zabývá jednou z metod slepé separace zdrojů (BSS), která se nazývá analýza nezávislých komponent (z anglického Independent Component Analysis). Je uveden stručný teoretický podklad, ve kterém jsou vysvětleny základní poznatky důležité pro odvození jednotlivých algoritmů ICA. Tyto teoretické poznatky zahrnují zejména vysvětlení základních znalostí ze statistiky. V další části jsou popsány metody vhodné k předzpracování vstupních signály – analýza hlavních komponent (PCA) a bělení signálů. Zejména bělení je důležitou součástí řešení algoritmů ICA. Poté jsou již nastíněna různá řešení algoritmů ICA, jakož i úvod do této problematiky. Mezi uvedenými postupy lze vyzvednout popis algoritmů FastICA, které se jeví jako velice vhodné pro počítačové zpracování, jelikož jsou robustní a také nejsou výpočetně náročné oproti jiným metodám. Dále je nastíněno zpracování jednoho algoritmu ICA v jazyce C++, konkrétně algoritmus FastICA pro komplexní signály.
|
|
|
Vícekanálové metody zvýrazňování řeči
Zitka, Adam ; Balík, Miroslav (oponent) ; Smékal, Zdeněk (vedoucí práce)
Diplomová práce se zabývá vícekanálovými metodami zvýrazňování řeči. Vícekanálové metody zvýrazňování řeči používají pro snímání signálů více mikrofonů. Ze směsí signálů můžeme pomocí neuronových sítí oddělit například jednotlivé mluvčí, potlačit hluk v pozadí či šum. Tato úloha bývá nazývána cocktail-party efekt. Hlavní metoda řešící tento problém se nazývá analýza nezávislých komponent. V práci jsou nejdříve popsány její teoretické základy a jsou představeny podmínky a požadavky k její aplikaci. Jednotlivé metody ICA se snaží směsi rozdělovat pomocí hledání co nejmenších gaussovských vlastností signálů. Pro analýzu nezávislých komponent se používají různé matematické vlastnosti signálů jako je např. špičatost a entropie. Signály, které byly smíšeny uměle v počítači, lze poměrně dobře oddělovat např. pomocí FastICA či algoritmu rostoucího gradientu. Složitější situace nastává, chceme-li oddělit signály pořízené v reálném nahrávacím prostředí, protože separaci řeči osob současně mluvících v reálném prostředí ovlivňují různé další okolnosti jako akustické vlastnosti místnosti, šum, zpoždění, odrazy od stěn, pozice či typ mikrofonů apod. Práce představuje postup analýzy nezávislých komponent ve frekvenční oblasti, který dokáže úspěšně oddělit i nahrávky pořízené v reálném prostředí.
|
|
|
Porovnání úspěšnosti vícekanálových metod separace řečových signálů
Přikryl, Petr ; Zezula, Radek (oponent) ; Míča, Ivan (vedoucí práce)
Separace nezávislých zdrojů signálů ze směsí zaznamenaných dat je základní problém v mnoha praktických situacích. Typický příklad je záznam řeči v prostředí za přítomnosti šumu či jiného mluvčího na pozadí. Touto problematikou se zabývá skupina metod nazvaných Separace zdrojů naslepo. Slepá separace je založena na odhadu N neznámých zdrojů z P měření, které jsou směsmi těchto neznámých zdrojů a neznámého prostředí. Představeny a v Matlabu implementovány jsou některé známé řešení okamžitých směsí, tj. Analýza nezávislých komponent a Časově kmitočtová analýza. V reálném prostředí však akustické signály nejsou okamžité směsi, ale směsi konvoluční. Pro tento případje představen a v Matlabu implementován algoritmus pro separaci konvolučních směsí v kmitočtové oblasti.Tato diplomová práce zkoumá porovnání a použitelnost těchto separačních algoritmů.
|
host ::
RSS.