|
|
Evolutionary Design of EEG Data Classifier
Kuželová, Simona ; Jawed, Soyiba (oponent) ; Mrázek, Vojtěch (vedoucí práce)
This thesis focuses on developing an effective classifier for candidate classification based on a set of extracted Electroencephalography (EEG) signal features. To achieve this, a genetic algorithm was utilized for feature selection and optimalization of the classifier’s parameters based on five criteria: minimizing the number of features, minimizing inference time, and maximizing classification sensitivity, specificity, and accuracy. The eyes opened EEG data of 31 candidates suffering from Major Depressive Disorder (MDD) and 28 healthy candidates were used for feature extraction, with the goal of classifying candidates as either having MDD or being healthy. Two algorithms, NSGA-II and NSGA-III, were tested. The proposed algorithm operated with three criteria, but two additional criteria, sensitivity and specificity, were added. NSGA-III was more effective in this case and was used in the remaining experiments. Constraints were introduced to improve performance, and different values for the mutation and crossover probability were tried. The classifiers from the final result have an average accuracy of $91.36\%$, sensitivity of $91.82\%$, and specificity of $90.84\%$. In the final experiments most frequently used channels were F3 and C3 channels and most commonly utilized waveband was gamma waveband. Overall, this work presents effective classifiers that were obtained using the proposed algorithm, which utilizes a genetic algorithm for parameter optimization.
|
|
|
Artefacts Removal from Brain EEG Signals Using Adaptive Algorithms
Hatala, Juraj ; Jawed, Soyiba (oponent) ; Shakil, Sadia (vedoucí práce)
This thesis covers the problem of artifacts in electroencephalography (EEG) data and the methods used to remove them with a focus on adaptive filtering. Artifacts are an unavoid- able part of the EEG method and they have a negative impact on the analysis of the results by covering the brain signals of interest. Adaptive filtering is a versatile method that can be used for removal of these artifacts if the reference signal correlated with the artifact is pro- vided. The primary goal of this thesis is a proposal and implementation of the framework that can be used to apply methods of adaptive filtering on EEG data. The secondary goal is to examine the effectiveness of a novel Q-LMS algorithm on the task of removal of artifacts from EEG as it was not yet used in this scenario. The work is introducing a library in a Python environment for EEG adaptive filtering and shows and evaluates experiments for EEG artifact removal scenarios with a Q-LMS filter implemented in the proposed library. In this library, a user is able to construct customizable filtering pipelines. The library of- fers a variety of adaptive filters and reference-building methods with a focus on processing neurological data in BIDS format. However, the user is able to share his custom filters with the framework as well as use his own input data and reference signals. The experiments with Q-LMS showed that it is a well-functioning adaptive algorithm yet the filtering results were moderate in contrast to results obtained by other standard adaptive algorithms.
|
|
|
EEG Classification Model for Emotion Detection Using Python
Vengerová, Veronika ; Zaheer, Muhammad Asad (oponent) ; Jawed, Soyiba (vedoucí práce)
This thesis deals with the task of recognizing emotions from electroencephalogram (EEG). Two models were trained for binary classification of emotions, where one classifies neutral emotion or fear and the other classifies happiness or sadness. During the work on this thesis many different architectures were tried, and the best result was obtained using a model with two branches of CNN-LSTM connected before the output layer. The resulting accuracy was 87.309% for sad-happy classification and 84.865% for neutral-fear emotion.
|
|
|
Implementace nové metody do modelu strojového učení na lokalizaci epileptického ložiska u pacientů s farmakorezistentní epilepsií
Pivnička, Martin ; Mívalt, Filip (oponent) ; Filipenská, Marina (vedoucí práce)
Bakalářská práce rozebírá problematiku lokalizace epileptického ložiska u pacientů s farmakorezistentní epilepsií. Teoretická část ve své první části pojednává o podstatě epilepsie a její léčbě. Popisuje princip elektroencefalografického měření a jeho přínos v epileptologii. Taktéž nastiňuje různé varianty lokalizace epileptické zóny v mozku. Druhá polovina teoretického úvodu je zaměřena na principy strojového učení a jejich využití pro léčbu epilepsie. V praktické části je popsána tvorba a funkce gamma metody, stejně jako její statistické ohodnocení. Výsledky zahrnují jak samostatnou funkčnost metody, tak i výkon v rámci existujícího modelu strojového učení. Bylo prokázáno, že gamma metoda představuje cenný specifický parametr pro lokalizaci epileptického ložiska. Její přidání do modelu strojového učení nevedlo k zásadnímu zlepšení práce modelu.
|
|
|
Nástroj pro automatické hodnocení kvality EEG dat
Meloun, Jan ; Gajdoš, Martin (oponent) ; Lamoš, Martin (vedoucí práce)
Tato práce se zabývá návrhem nástroje pro automatické hodnocení kvality EEG dat. V teoretické části práce se nachází popis vzniku a šíření akčního potenciálu nervovou soustavou. Dále také teoretickým popisem EEG záznamu a jeho artefakty. Následuje popis používaných metod pro detekci artefaktů. V praktické části práce se nachází popis návrhu nástroje pro automatické hodnocení kvality EEG včetně diskuze výsledků na poskytnutých datech.
|
|
|
Vliv morfometrických změn šedé a bílé hmoty na funkční konektivitu mozku u schizofrenie
Görnerová, Natálie ; Horáček, Jiří (vedoucí práce) ; Zach, Petr (oponent) ; Filip, Pavel (oponent)
Více než století po vymezení konceptu schizofrenie (SZ) zůstává její etiologie, neuropatologie a patofyziologie do značné míry neobjasněná. Teoretická část práce přináší přehled současných znalostí o klasifikaci a patofyziologii SZ se zvláštním zřetelem věnovaným strukturálním a funkčně zobrazovácím metodám. Zobrazovací nálezy se shodují na tom, že u SZ dochází k redukci šedé hmoty, poruše integrity bílé hmoty a snížení inter-regionální funkční konektivity (FC). Otevřenou otázkou zůstává, zda jsou změny FC od počátku spojené se strukturálními změnami mozku (které jsou jednoznačně potvrzené již před propuknutím nemoci), nebo zda se vyvíjí až s chronifikací SZ. Současně není jasná souvislost mezi narušením FC a prožitkem "jáství", jako možnou jádrovou symptomatikou SZ. Rovněž je nebytné vyvíjet efektivní metody prevence relapsu s cílem zabránit progresi neurobiologických změn mozku. V návaznosti na uvedené otázky zahrnovala praktická část práce celkem tři cíle, v rámci kterých jsme studovali tři odlišné skupiny nemocných. V první skupině pacientů po první epizodě schizofrenie (FES) jsme hodnotili souvislost mezi morfologickými změnami šedé a bílé hmoty mozku a funkční konektivitou. V téže populaci jsme pak studovali změny regionální mozkové konektivity v kontextu narušeného prožitkem "jáství". Druhá...
|
|
|
Neurofeedback a efektivnost jeho terapeutického využití
VOSPĚLOVÁ, Tereza
Tato teoretická bakalářská práce představuje neurofeedback, vývoj jeho zkoumání a přidružené oblasti. Dále se zabývá hodnocením efektivnosti terapeutického využívání v oblastech ADHD, epilepsie, specifických poruch učení, poruch autistického spektra, úzkostných poruch, OCD, depresivních poruch, poruch spánku, posttraumatické stresové poruchy a u zvyšování výkonu. Do hodnocení zahrnuje celkem 27 studií a 2 metaanalýzy z několika odborných databází jako je PubMed, Google Scholar, EBSCO, Sciencedirect, PsycNet a ResearchGate. Zařazeny byly randomizované kontrolované studie obsahující primární empirická data (mimo 2 metaanalýzy), které byly publikovány v anglickém, českém nebo slovenském jazyce či se jejich publikace chystá. Dle dostupných výsledků nebylo možné potvrdit nejvyšší stupeň efektivity a léčba neurofeedbackem je charakterizována jako pravděpodobně efektivní. Práce shrnuje mnohé metodologické nedostatky nalezené v prostudovaných zdrojích a zdůrazňuje důležitost jejich odstranění pro budoucí výzkum, aby bylo možné nalézt a prokázat specifické působící faktory.
|
|
|
ERP koreláty valence v afektivním primingu
MEŠKANOVÁ, Michaela
Bakalářská práce ERP koreláty valence v afektivním primingu se zabývá afektivním primingem z pohledu zpracování kognitivně evokovaných potenciálů prostřednictvím elektroencefalografie, k čemuž je využita experimentální prezentace s různými úrovněmi valence a arousalu. Cílem této práce je přiblížení vlivu auditivního primingu na vizuální zpracování podnětu. Bakalářská práce je rozdělena na teoretickou část a na část empirickou neboli praktickou, přičemž teoretická část práce se zabývá obecnými principy afektivního primingu, emocemi a metodou elektroencefalografie včetně ERP komponent. Empirická část práce se věnuje experimentu, jehož cílem bylo popsat vliv auditivního primingu na cílové afektivní zpracování podnětu prostřednictvím ERP komponent. Experimentu se zúčastnilo celkem 26 probandů, jimž byla spuštěna prezentace prostřednictvím programu OpenSesame v délce trvání zhruba 60 minut. Neurální data byla snímána ze skalpu hlavy přístrojem Biosemi ActiveTwo všemi 64 elektrodami. Do závěrečního zpracování dat bylo zařazeno 19 naměřených záznamů. Po konečném zpracování dat bylo analyzováno celkem 8 grafů zobrazující ERP křivky příslušných elektrod, a to jak v případě vysokoarousalové, tak nízkoarousalové úrovně cílového podnětu. S ohledem na porovnání výsledků se studiemi nezahrnující afektivní auditivní priming byly přijaty všechny stanové hypotézy, přičemž závěrečná diskuse shrnuje všechna možná omezení, jež mohla přijetí alternativních hypotéz ovlivnit.
|
|
|
EEG koreláty egocentrických a allocentrických odhadů vzdáleností ve virtuálním prostředí u lidí
Kalinová, Jana ; Vlček, Kamil (vedoucí práce) ; Telenský, Petr (oponent)
Kognitivní procesy spojené s prostorovou orientací mohou využívat odlišných referenčních rámců: egocentrického, soustředěného na pozorovatele a allocentrického, soustředěného na objekty v prostředí. V této práci jsme pomocí EEG studovali dynamiku mozkových procesů doprovázejících prostorovou orientaci založenou na použití těchto referenčních rámců. Účastníci byli instruováni, aby odhadli vzdálenosti mezi objekty nebo objekty a sami sebou v prostředí virtuální kruhové arény; tato úloha byla prezentována ve 2D i 3D zobrazení. Změny EEG vázané na danou úlohu byly analyzovány pomocí časově-frekvenční analýzy a analýzy event-related potenciálů z EEG záznamů čítajících 128 kanálů. Časově-frekvenční analýzou jsme zjistili významné rozdíly výkonu v pásmech delta, theta, alfa, beta i gama mezi kontrolní, egocentrickou a allocentrickou testovací podmínkou. Zaznamenali jsme pokles výkonu v pásmu alfa v okcipitálních a parietálních oblastech, signifikantně silnější pokles byl pozorován pro allocentrickou podmínku ve srovnání s egocentrickou i kontrolní podmínkou. Podobný vzorec byl viditelný i pro pásmo beta. Dále jsme zaznamenali také nárůst výkonu theta a delta v temporálních, fronto- temporálních a laterálních frontálních oblastech, který byl výrazně silnější pro egocentrickou podmínku ve srovnání s...
|
|
| |
host ::
RSS.