Please use this identifier to cite or link to this item: http://elartu.tntu.edu.ua/handle/lib/31097
Title: Інформаційна технологія аналізу усталених зорових викликаних потенціалів у задачах офтальмодіагностики
Other Titles: Информационная технология анализа зрительных вызванных потенциалов устойчивого состояния в задачах офтальмодиагностики
Information technology of the steady-state visual evoked potentials analysis in the ophthalmologic diagnostics tasks
Authors: Стадник, Марія Андріївна
Affiliation: асистент кафедри кібербезпеки, Тернопільський національний технічний університет імені І. Пулюя
Bibliographic description (Ukraine): Стадник М.А. Інформаційна технологія аналізу усталених зорових викликаних потенціалів у задачах офтальмодіагностики : дис. ... канд. техн. наук : 05.13.06 / М.А.Стадник. - Тернопіль, 2019. - 198 с.
Issue Date: 7-Feb-2020
Date of entry: 7-Feb-2020
Publisher: Тернопільський національний технічний університет ім. Івана Пулюя
Country (code): UA
Place of the edition/event: Тернопільський національний технічний університет імені Івана Пулюя
Science degree: кандидат технічних наук
Level thesis: кандидатська дисертація
Code and name of the specialty: 05.13.06 – інформаційні технології
Defense council: К 58.052.06
Institution defense: Тернопільський національний технічний університет ім. Івана Пулюя
Supervisor: Фриз, Михайло Євгенович
Committee members: Стеценко, Інна Вячеславівна
Бойко, Іван Федорович
UDC: 004.41:004.78
Keywords: усталений зоровий викликаний потенціал
двовимірний лінійний періодичний випадковий процес
ортогональні поліноми Чебишева
перетворення Карунена-Лоева
KNN метод
інформаційна технологія
Number of pages: 198
Abstract: У дисертаційній роботі вирішено актуальне наукове завдання – підвищення ефективності діагностики зорового аналізатора людини внаслідок реалізації ІТ аналізу усталених ЗВП. При цьому обґрунтовано застосування двовимірного ЛПВП як математичної моделі двоканального усталеного ЗВП, що відображає біофізичний механізм формування викликаних потенціалів, враховує взаємозв’язок між каналами реєстрації електричної активності; проведено ідентифікацію діагностичних параметрів досліджуваного сигналу з використанням ортогонального розкладу за функціями дискретного аргументу Чебишева математичного сподівання усталеного ЗВП та двовимірного перетворення Карунена-Лоева; визначено оптимальну кількість діагностичних параметрів, які достатньо повно відображають досліджуваний процес; реалізовано модифікований метод KNN для вирішення задачі класифікації з метою прийняття рішення про стан зорового аналізатора людини.На основі обґрунтованої математичної моделі та відповідних методів ідентифікації та класифікації реалізовано ІТ аналізу усталених ЗВП в задачах офтальмодіагностики.
The thesis resolved the important scientific task – increase of the human visual analyzer diagnostics efficiency by implementation of the information technology (IT) analysis of the steady-state visual evoked potentials (SSVEP) based on the new developed mathematical model, methods of statistical estimation and identification of diagnostic parameters, decision-making algorithms. The review determined that most information technologies use an additive model, VEP selection is carried out by averaging of post-stimulus realizations, the decision making is made by comparison of the amplitude-frequency characteristics with the normative values. These facts indicates sources of the improvement in the ophthalmic diagnostics effectiveness through the usage of SSVEP and the consideration of the interconnection between the channels of registration. The brain electrical activity is a result of a large number of excitatory and inhibitory postsynaptic potential generated synapses at random times. Using the theory of linear random processes, the mathematical model in the form of a linear random process is substantiated. Taking into account the SSVEP registration terms the frequency of impulse generation equals the frequency of the external stimulation periodicity, respectively the intensity of impulse emergence will be periodical. Based on contemplations the mathematical model of two-channeled SSVEP is a two-dimensional linear periodical random process which cyclostationarity of mathematical expectation and correlation function is proved. Gaussian Signal Distribution hypothesis is confirmed by the histogram analysis and the normality test using the D'Agostino criteria. The stationary of nested sequences taken over a period is confirmed using the Student's and Fisher's criteria. Whereas the mathematical expectation and correlation function of the two-channeled VEP completely determine the probabilistic distribution of the signal, consequently, they were used as a source of informative characteristics. The orthogonal decomposition based on Chebyshev discrete argument's functions used to identify informative characteristics based on mathematical expectation. To identify the second set of informative characteristics the application of the two-dimensional Karhunen-Loeve decomposition of the two-channel SSVEP’s correlation function is considered as a set of eigenvectors of the correlation function. To implement the classification algorithm, the nearest neighbor method (KNN) was modified by adding the weighting parameters that reflect the importance of the informative characteristics components and using the similarity factor as a metric of the distance between two matrices of eigenvectors. The cross-validation is performed on the input data in order to estimate the KNN parameter values empirically. The client-server architecture solution and appropriate tools were selected for IT implementation. The obtained results of the SSVEP period estimation coincide with the period of external stimulation, which is one of the arguments for confirming the adequacy of the mathematical model. The results of the two-dimensional Karhunen-Loeve decomposition are analyzed. The corresponding number of eigenvectors of the two-channel SSVEP correlation matrix as the second set of diagnostic parameters is determined by analyzing the decomposition components energy contribution to achieve a given energy threshold (95%). Based on the newly formed complex of diagnostic parameters and using the cross-validation, the optimal parameters for the KNN binary classification algorithm were estimated. By using software tools and well-grounded algorithms, the effectiveness of the developed IT of the SSVEP analysis, which allows automated ophthalmic diagnostics in conditions not suitable for standard protocols and takes into account the relationship between the registration channels caused by the biophysical human visual analyzer structure, has been proved.
Content: ПЕРЕЛІК УМОВНИХ ПОЗНАЧЕНЬ 18 ВСТУП 20 РОЗДІЛ 1 МАТЕМАТИЧНІ МОДЕЛІ ТА ІНФОРМАЦІЙНІ ТЕХНОЛОГІЇ АНАЛІЗУ ЗВП В ЗАДАЧАХ ОФТАЛЬМОДІАГНОСТИКИ 27 1.1 Зоровий викликаний потенціал як частинний випадок електроенцефалограми та його застосування в офтальмології 27 1.2 Аналіз існуючих інформаційних технологій реєстрації та обробки ЗВП 37 1.3 Порівняльна характеристика математичних моделей ЗВП та ЕЕГ, відповідних методів аналізу та інформаційних ознак для прийняття діагностичних рішень 43 1.4 Постановка задачі 51 1.5 Висновки 53 РОЗДІЛ 2 МАТЕМАТИЧНА МОДЕЛЬ УСТАЛЕНИХ ЗОРОВИХ ВИКЛИКАНИХ ПОТЕНЦІАЛІВ ЯК ОСНОВА ІНФОРМАЦІЙНОЇ ТЕХНОЛОГІЇ 54 2.1 Математична модель ЗВП як основа інформаційної технології 54 2.1.1 Механізм біофізичного генерування електричної активності мозку 55 2.1.2 Обґрунтування вибору математичної моделі 57 2.1.3 Лінійні випадкові процеси неперервного аргументу 64 2.1.4 Лінійні випадкові послідовності 68 2.2 Математична модель усталеного ЗВП з урахуванням періодичності та багатовимірності 70 2.2.1 Лінійні періодичні випадкові процеси 70 2.2.2 Обґрунтування періодичних властивостей математичної моделі усталених ЗВП 2.2.3 Конкретизація математичної моделі двоканального усталеного ЗВП 76 2.3 Висновки 84 РОЗДІЛ 3 МЕТОДИ СТАТИСТИЧНОГО АНАЛІЗУ УСТАЛЕНИХ ЗВП, ІДЕНТИФІКАЦІЇ ІНФОРМАТИВНИХ ПАРАМЕТРІВ ТА КЛАСИФІКАЦІЇ В ІНФОРМАЦІЙНІЙ ТЕХНОЛОГІЇ ОФТАЛЬМОДІАГНОСТИКИ 85 3.1 Реєстрація усталених ЗВП 86 3.2 Обґрунтування вибору інформативних характеристик усталеного ЗВП 87 3.2.1 Оцінювання періоду усталеного ЗВП 88 3.2.2 Перевірка статистичних гіпотез щодо нормальності розподілу та стаціонарності  – серій 92 3.2.3 Оцінювання ймовірнісних характеристик усталеного ЗВП 99 3.2.4 Оцінювання взаємної кореляційної функції двовимірного періодичного процесу 101 3.3 Ідентифікація інформативних характеристик у інформаційній технології офтальмодіагностики 103 3.3.1 Ідентифікація інформативних характеристик з використанням ортогонального розкладу математичного сподівання ЗВП 103 3.3.1.1 Ортогональні базиси функцій дискретного аргументу 104 3.3.1.2 Ортогональні базиси функцій Чебишева, Кравчука, Лагера дискретного аргументу. 107 3.3.2 Ідентифікація інформативних характеристик з використанням двовимірного розкладу Карунена-Лоева 114 3.4 Формування діагностичного простору 119 3.5 Метод прийняття діагностичних рішень на основі аналізу усталених ЗВП 121 3.6 Висновки 127 РОЗДІЛ 4 РЕАЛІЗАЦІЯ ІНФОРМАЦІЙНОЇ ТЕХНОЛОГІЇ АНАЛІЗУ УСТАЛЕНИХ ВИКЛИКАНИХ ПОТЕНЦІАЛІВ 129 4.1 Технічне завдання та середовище реалізації ІТ аналізу усталених ЗВП 129 4.2 Структурна схема ІТ аналізу ЗВП 132 4.3 Результати виконання алгоритму оцінювання інформативних характеристик двоканального усталеного ЗВП 135 4.3.1 Результати статистичного оцінювання періоду 136 4.3.2 Результати експериментальних досліджень ймовірнісних характеристик усталених ЗВП 138 4.3.3 Результати оцінювання інформативних характеристик з використанням ортогонального розкладу математичного сподівання усталеного ЗВП 144 4.3.4 Результати двовимірного розкладу Карунена-Лоева двоканального усталеного ЗВП 151 4.4 Алгоритм класифікації з використанням методу найближчих сусідів KNN 159 4.5 Висновки 163 ВИСНОВКИ 164 СПИСОК ВИКОРИСТАНИХ ДЖЕРЕЛ 166 ДОДАТКИ 177 Додаток А Список публікацій здобувача за темою дисертації та відомості про апробацію результатів дисертації 177 Додаток Б Частини програмного коду розробленої ІТ аналізу усталених зорових викликаних потенціалів в задачах офтальмодіагностики 180 Додаток В Результати перевірки статистичних гіпотез щодо нормальності розподілу 188 Додаток Г Результати перевірки статистичних гіпотез щодо стаціонарності  – серій 189 Додаток Ґ Схематичне зображення алгоритму оцінювання інформативних характеристик 190 Додаток Д Зразок звіту щодо результатів офтальмодіагностики 191 Додаток Е Угода про співпрацю в проведенні наукових досліджень 192 Додаток Є Зображення вимірювальної установки для реєстрації усталених ЗВП 193 Додаток Ж Акти впроваджень результатів дисертаційних досліджень 194
URI: http://elartu.tntu.edu.ua/handle/lib/31097
Copyright owner: Стадник Марія Андріївна
References (Ukraine): [1] Збітнєва С.В, “Інвалідизація дітей в наслідок хвороб органу зору,” Здоров’я нації, no. 3, pp. 256-260, 2012. [110] S. Dustdar, W. Schreiner, “A survey on web services composition,” International Journal of Web and Grid services, vol.1, issue 1, pp. 1-30, Aug 2005. [111] V. Varma, Software architecture: a case based approach, Pearson Education India, 2009. [112] K. Gottshalk, S. Graham, H, Kreger, J, Snell, “Introduction to Web services architecture,” IBM Systems Journal, vol.41, issue 2, pp. 170-177, Feb 2002. [113] W. McKinney, Python for data analysis, Sebastopol: O’Relly Media, 2013. [114] E. Bressert, SciPy and NumPy, Sebastopol: O’Relly Media, 2013. Django Stars. (Oct 2019). Django vs Ruby on Rails: Web framework comparison [Online]. Available: https://dev.to/django_stars/django-vs-ruby-on-rails-web-frameworks- comparison-1fa0 [115] D. Y. Chen, Pandas for everyone, Addison-Wesley professional, 2017. [116] S. Konishi, G. Kitagawa, G, Information Criteria and Statistical Modeling, Springer, 2008.[98] K. Yang, C. Shahabi. “A PCA-based similarity measure for multivariate time series,” in Conf. Proceedings of the Second ACM International Workshop on Multimedia Databases, Washington, DC, USA, 2004. [99] L. Wang, Karhunen-Loeve expansion and their applications, London: London Scholl of Economics and Political Sceince, 2008. [100] D. A. Jackson, “Stopping rules in principal component analysis: a comparison of heuristical and statistical approaches,” Ecology, vol.74, issue 8, pp. 2204-2214, 1993. [101] P. Domingos, “A few useful things to know about machine learning,” Communication of the ACM, vol.55, issue 10, pp. 78-87, Oct. 2012. [102] W. Li, Y. Zhang, Y. Sun, Y. Wang et al, “Approximate Nearest Neighbor Search on High Dimensional Data - Experiments, Analyses, and Improvement,” IEEE Transaction on Knowledge and Data Engineering, vol.1, pp. 1-26, Apr 2019. [103] K. Fukunaga and P. M. Narendra, “A branch and bound algorithms for computing k-nearest neighbors,” IEEE Trans. Computers, vol. 24(7), pp.750–753, 1975. [104] E. Bernhardsson. (2019) Annoy at github [Online]. Availble: https://github.com/spotify/annoy. [105] S. Rashka. (2016). Model evaluation, model selection, and algorithm selection in machine learning [Online]. Available: https://sebastianraschka.com/blog/2016/model-evaluation-selection-part1.html [106] P. Hall, B. U. Park, R. J. Samworth, “Choice of neighbor order in nearest-neighbor classification,” Annals of Statistics, vol. 36, issue 5, pp.2135-2152, 2008. [107] А. Г. Дьяконов, “Алгоритмы для рекомендательной системы: технология Lenkor,” Математические методы и алгоритмы решения задач бизнес- информатики, вип. 1(19), с. 32-39, 2012. [108] А. Г. Дьяконов. (2019). Простые методы анализа данных [Онлайн]. Доступно: https://dyakonov.org/ [109] R. Kohavi, “A study of cross-validation and bootstrap for accuracy estimation and model selection,” in the Fourteenth International Joint Conference on Artificial Intelligence, San Mateo, CA, 1995. України, Інститут проблем моделювання в енергетиці ім. Г. Є. Пухова, вип. 72, с. 36-43, 2014. [73] М. А. Стадник “Оцінювання інформативних параметрів усталених зорових викликаних потенціалів з використанням їх розкладів за базисами дискретних ортогональних поліномів”, Математичне та комп’ютерне моделювання: зб. наук. праць інституту кібернетики імені В. М. Глушкова Національної академії наук України, вип. 13, с. 150-160б 2016. [74] М. В. Приймак, “Основи теорії моделювання, аналізу і прогнозу в автоматизованих системах управління ритмічними процесами,” автореф. дис. на здобуття наук. ступеня д-ра наук, НАУ, Київ, 2000. [75] Y. Ioannidis, “The history of histogram,” in 29th international conference on Very large data bases, Berlin, 2003. [76] М. Кендал, А. Стьюарт, Статистические выводы и связи, Москва: Наука, 1973. [77] P. E. Greenwood, M. S. Nikulin, A guide to chi-squared testing, New York:John Wiley & Sons, 1996. [78] NumPy. (2019) About NumPy [Online]. Available: https://numpy.org/devdocs/user/ quickstart.html [79] E. S. Pearson, H. O. Hartley, Biometrika tables for Statisticians. 3rd ed. Cambridge University Press, 1966. [80] Б. Ю. Лемешко, С. Б. Лемешко, “Сравнительный анализ критериев проверки отклонения распределения от нормального закона,” Метрология, вип. 2, с. 3- 23, 2005. [81] Б. Ю. Лемешко, А. П. Рогожников, “Исследование особенностей и мощности некоторых критериев нормальности,” Метрология, вип. 4, с. 3-24, 2009. [82] R. B. D’Agostino, “Transformation to normality of the null distribution of g 1 ,” Biometrika, vol. 57, pp. 679-681, 1970. [83] R. B. D’Agostino, G. L. Tietjen, “Simulation probability points of b 2 for small samples,” Biometrika, vol. 58, pp. 669-672, 1971. [84] Student, “The probable error of a mean,” Biometrika, vol. 1, issue 6, pp. 1-25, 1908. [64] W.A. Gardner, L. Franks, “Characterization of cyclostationary random signal processes,” IEEE Transactions on Information Theory, vol. 21, issue 1, pp.4-14, Jan.1975. [65] G.B. Giannakis, “Cyclostationary signal analysis”, in Statistical Signal Processing Section of Digital Signal Processing Handbook, V.K. Madisetti, D. Williams (Eds.), Boca Raton: CRC Press, Chapter 17. [66] E. E. Слуцкий, Избранные труды: Теория вероятностей. Математическая статистика, Москва: Изд-во АН СССР, 1960. [67] T. A.Woolsey, J. Hanaway, M. Gado, The brain Atlas: A Visual Guide to the Human Central Nervous System, 3rd ed, John Willey & Sons. Ltd, 2008. [68] M. Fryz, M. Stadnyk, “Justification of mathematical model of the steady-state visual evoked potential in a form of the linear random process,” Electronics and control systems, vol. 23, issue 35, pp. 100-107, Mar 2013. [69] М. Є. Фриз, М. А. Стадник, “Лінійний періодичний випадковий процес як математична модель усталеного зорового викликаного потенціалу,” Моделювання та інформаційні технології: зб. наук. пр. Нац. акад. наук України, Інститут проблем моделювання в енергетиці ім. Г. Є. Пухова, вип.72, с. 36-43, Бер 2014. [70] В. Гузій, М. В. Приймак, “Исследование возможности измерения периода корреляции периодически коррелированного случайного процесса по одной наблюдаемой реализации,” Вестник Киевского института. Электроника и звукотехника, вип. 8, с. 31-33, 1984. [71] М. Є. Фриз, М. А. Стадник, “Математична модель двоканального усталеного зорового викликаного потенціалу в задачах розробки інформаційних технологій офтальмодіагностики,” Вісник Хмельницького національного університету, вип. 1 (209), с. 126-133, Лют 2014. [72] М. Є. Фриз, М. А. Стадник, “Лінійний періодичний випадковий процес як математична модель усталеного зорового викликаного потенціалу,” Моделювання та інформаційні технології: зб. наук. пр. Нац. акад. наук [53] Б. Г. Марченко, М. В. Приймак, “Побудова моделі та аналіз стохастично періодичних навантажень енергосистем,” Праці інституту електродинаміки Національної академії наук України, вип.1, с.129-153, 1991. [54] Б. Г. Марченко, Н. В. Мулик, М. Є. Фриз, “Визначення основних ймовірнісних характеристик газонавантаження,” Вимірювальна та обчислювальна техніка в технологічних процесах, вип. 2, с. 152-157, 2005. [55] О. В. Маєвський, О. В. Мацюк, М. В. Приймак, Г. В. Шимчук, “Моделі та інформаційні технології дослідження стохастично періодичних потоків,” Вісник національного університету “Львівська політехніка”, вип. 832, с. 242- 253, 2015. [56] Б. Г. Марченко, “Лінійні періодичні процеси,” Праці інституту електродинаміки Національної академії наук України, c.172-185, 1999. [57] Б. Г. Марченко, Метод стохастических интегральных представлений и его приложения в радиотехнике, Київ: Наукова думка, 1973. [58] М. Є. Фриз, “Властивості умовних лінійних процесів та їх застосування в прикладних задачах математичного моделювання стохастичних сигналів,” Математичне та комп’ютерне моделювання: технічні науки, вип. 6, с. 228- 237, Лют. 2012 [59] В. П. Бабак, Б. Г. Марченко, М. Є. Фриз, Теорія ймовірностей, випадкові процеси та математична статистика, Київ: Техніка, 2004. [60] E.Serpedin, F. Panduru, I. Sari, G. B. Giannakis, “Bibliography on cyclostationarity,” Elsevier Signal processing, vol. 85, pp. 2233-2303, Jun. 2005. [61] W. A. Gardner, A. Napolitano, L. Paura, “Cyclostationarity: Half a century of research,” Signal Processing, vol. 86, pp.639-697, Jun 2005. [62] Y.P. Dragan, I.N. Yavorsky, Rythmics of sea waves and underwater acoustic signals, Kyiv: Naukova Dumka, 1982. [63] Б. Г. Марченко, М. В. Мислович, Вібродіагностика підшипникових вузлів електричних машин, Київ: Наукова думка, 1992. [42] А. О. Попов, “Розробка методів та засобів обробки ЕЕГ для епілептології”, автореферат дис. канд. тех. наук., каф. біомед. електрон. пристроїв і сис-м, Харків. міжнародний ун-т радіоелектроніки, Київ, 2006. [43] R. Nagarajan, C. Balanchandaran, D.Gunaratnam, A. Klistorner, S. Graham, “Neural network model for early detection of glaucoma using multi-focal visual evoked potential,” IOVS, vol.43, issue 13, Dec.2002. [44] E. D. Adrian, B. H.C. Matthews, “The Berger rhythm: potential changes from the occipital lobes in man,” Brain Journal of Neurology, vol.67, issue 4, pp.355-385, Dec 1934. [45] A. L. Hodgkin, A. F. Huxley, “Current carried by sodium and potassium ions through the membrane of the giant axon of Loligo,” the Journal of Physiology, vol. 116, issue 4, pp.449-472, Apr 1952. [46] М. Н. Жадин, Биофизические основы формирования электроэнцефалограммы, Москва: Наука, 1984. [47] F. Gabbiani, C. Koch, “Principles of Spike Train Analysis,” in Methods in Neuronal Modeling, C. Koch, I. Segev, Cambridge: MIT Press, 1998. pp. 313-360. [48] S. Gibson, J. W. Judy, D. Marcovic, “Spike Sorting,” IEEE Signal processing magazine, vol.29, issue 1, pp.124-143, 2012. [49] Б. Г. Марченко, “Линейные случайные процессы и их приложения”, Київ: Наукова думка, 1975. [50] Б. Г. Марченко, “Метод стохастических интегральных представлений и его приложения в радиотехнике”, Київ: Наукова думка, 1973. [51] Б. Б. Млинко, М. Є. Фриз, “Алгоритм статистичної діагностики на основі реєстрації та аналізу фотоплетизмосигналів,” Вісник Хмельницького національного університету. Технічні науки, вип. 4, c. 176-182, 2013. [52] Т. В. Михайлович, М. Є. Фриз, “Інформаційна система для імітаційного моделювання водоспоживання,” Вісник Хмельницького національного університету. Технічні науки, вип. 6, c. 264-268, 2013. [31] S. Saeid, J. Chamers, EEG signal processing. Chichester: John Willey & Sons. Ltd., 2007. [32] C. Davila, R. Srebro, “Subspace averaging of steady-state visual evoked potentials”, IEEE transaction on biomedical engineering, Vol.46, No. 6, pp. 720-728, Jun.2000. [33] J. R. Heckenlively, G. B. Arden, Principles and ractice of Clinical Electrophysiology of Vision. Cambridge: The MIT Press, 2006. [34] М. А. Стадник, “Статистичний аналіз зорових викликаних потенціалів стійкого стану,” в конференції Природничі науки та інформаційні технології, Тернопіль: ТНТУ, 2012, с. 63. [35] Б. Г. Марченко, О. В. Мацюк, М. Є. Фриз, Математичні моделі й обробка сигналів в офтальмології. Тернопіль: В-во ТДТУ ім. І. Пулюя, 2005. [36] K.F.K. Wong, А. Galka, О. Yamashita, Т. Ozaki, “Modelling non-stationarity variance in EEG time series by state space GARCH model,” Computers in Biology and medidcine, Vol.12, No. 36, pp. 1-9, Dec.2006. [37] N. Yu, L. Wu, D. Zou, Y. Chen, H. Lu, “A MISO-ARX-Based method for single- trial evoked potential extraction,” Biomed Research International, vol. 2017, 10 pages, Feb. 2017. [38] A. Capilla, P. Pazo-Alvarez, A. Darriba, P. Cmpo, J.Gross, “Steady-state visual evoked potentials can be explained by temporal superposition of transient event- related responses”, PLoS One, vol. 6, no.1, e14543. [39] S. Makeig, M. Westerfield, T. Jung, S.Enghoff, J. Townsend, “Dynamic brain sources of visual evoked responses”, Science, vol.295, pp.690-694, Jan. 2002. [40] R. Q. Quiroga, O. A. Rosso, E. Basar, M. Schurmann, “Wavelet entropy in event- related potentials: a new method shows ordering of EEG oscillations,” Biological Cybernetics, vol. 84, pp.291-9, Apr.2001. [41] S. Blanco, A. Figliola, R. Q. Quiroga, O. A. Rosso, E. Serrano, “Time-frequency analysis of electroencephalogram series. III. Wavelet packets and information cost function”, Physical Review E, vol. 57, no.1, pp. 932-940, Jan.1998. [19] М.Є. Фриз, “Інформаційно-вимірювальна система для офтальмодіагностики методом реєстрації зорових викликаних потенціалів,” автореферат дис. канд. тех. наук., каф. авт. експер. дос-нь, НАУ, Київ, 2000. [20] J. W.Y. Kam and all, “Systematic comparison between a wireless EEG system with dry electrodes and a wired EEG system with wet electrodes”, NeuroImage, Vol.184, pp.119-129, Jan.2019. [21] B. Farnsworth. (2017, Apr. 11). Top 14 EEG Hardware Companies [Online]. Available: https://imotions.com/blog/top-14-eeg-hardware-companies-ranked [22] Compumedics Neuroscan. (2019). Overview of all Neuroscan amplifiers [Online]. Available: https://compumedicsneuroscan.com/amplifiers-compared/ [23] NDI Medical. (2019). Polaris Spectra and Vicra [Online]. Available: https://www.ndigital.com/medical/products/polaris-family/ [24] Emotiv. (2019). The Science behind our technology [Online]. Available: https://www.emotiv.com/our-technology/ [25] M. K. Mukerjee. (2019). NeuroPhone: Brain-Mobile Phone Interface using a Wireless EEG Headset [Online]. Available: https://www.emotiv.com/independent- studies/neurophone-brain-mobile-phone-interface-using-a-wireless-eeg-headset/ [26] Tredex experience. (2019). Компьютерные электроэнцефалографы серии “Эксперт” [Онлайн]. Доступно: http://www.tredex-company.com/ru/ content/computer-electroencephalographs-expert-series [27] ATR Neural Information Analysis Laboratories. (May 10, 2017). Standard data format MEG/EEG [Online]. Available: https://vbmeg.atr.jp/docs/v2/attachFile/ vbmeg2_job_functions/Standard-format-MEG_EEG_2_0_0_en.pdf [28] iMotion. (2019). Introducing iMotions 8.0. The Next Generation of Human Behavior Research Software [Online]. Available: https://imotions.com/release/ [29] Compumedics Neuroscan. (2019). Curry 8S – Signal Processing [Online]. Available: https://compumedicsneuroscan.com/product/curry-8-signal-processing- s/ [30] DX комплекси. (2019). ЕЕГ комплекс “Axon St” [Онлайн]. Доступно: http://www.dx-com.com.ua/product/eeg-kompleks-axon-st/ [9] А. М. Шамшинова, В. В. Волков, Функциональные методы исследования в офтальмологии. Москва: Медицина, 1999, с. 222-254. [10] В. В. Гнездицкий, Вызванные потенциалы мозга в клинической практике. Москва, Росія: МЕДпресс-информ, 2003. [11] D. Creel. (2012, March). “Visually evoked potential,” in Webvision: The Organization of the Retina and Visual System, H.Kolb, E.Fernandez, R. Nelson [Online]. Available: https://www.ncbi.nlm.nih.gov/books/NBK107218/ [12] В. В. Гнездицкий, Обратная задача ЭЭГ и клиническая электроэнцефалография. Москва: МЕДпресс-информ, 2004 [13] G. G. Celesia, I. Bodis-Wollner, G. E. Chatrian, G. F.A. Harding, S. Sokol, and H. Spekreijse, “Recommended standards for electroretinograms and visual evoked potentials. Report of an IFCN Committee,” Electroencephalography and Clinical Neurophysiology, vol. 87, no. 6, pp. 421-433, Dec.1993. [14] J.V. Odom and all, “ISCEV standard for clinical visual evoked potentials: (2016 update)”, Documenta Ophthalmologica, vol. 133, no. 1, pp. 1-9, Jul.2016. [15] С. А. Аникин, В. Е. Олюшин, Т. Н. Фадеева, “Интраоперационный моніторинг зрительных вызванных потенциалов в нейрохирургической практике при удалении опухолей хиазмально-селлярной области,” Бюллетень сибирской медицин, №5, с.49-54, 2008. [16] А. А. Шпак, Исследование зрительных вызванных потенциалов в офтальмологии и офтальмохирургии. Москва: МНТК Микрохирургия глаза, 1993. [17] F.-B. Vialatte, M. Maurice, J. Dauwels, A. Cichocki, “Steady-state visually evoked potentials: Focus on essential paradigms and future perspectives,” Progress in neurobiology, vol.90, no. 4, pp. 418-438, Apr 2010. [18] A. Elsheshai, O. Elkholy, H. Abou-El-Wafa, I. Ramadan, “Visual Evoked Potential (VEP) in schizophrenia and psychotic depression,” World Journal of Life Sciences and Medical Research, vol.1, no. 2, pp. 11-14, Jan 2011. [2] Збітнєва С. В, “Захворюваність населення України на хвороби ока та його придаткового апарату,” Вісник соціальної гігієни та організації охорони здоров’я України, no. 3, pp. 14-17, 2010. [3] World Health Organization, “The World report of vision,” The International Agency for the Prevention of Blindness [Online], October 8 2019. Available: https://www.iapb.org/resources/the-world-report-on-vision/ [4] Варивончик Д. В, “Світові епідеміологічні характеристики поширеності порушень зору,” Міжнародний науково-практичний журнал “Офтальмологія”, vol. 3, no. 1, November, 2015. [Online serial]. Availble: https://oculist.in.ua/number3/ 105-svitovi-epidemiologichni-kharakteristiki- poshirenosti-porushen-zoru.html. [Accessed Mar. 5, 2019]. [5] The International Agency for the Prevention of Blindness. (2019). Global Vision Impairment Facts [Online]. Available: https://www.iapb.org/vision-2020/who- facts/ [6] S. R. Falxman, R. R. A. Bourne, S. Resnikoff, P.Ackland, T.Braithwaite, M.V.Cicinelli et all. (2017, October). “Global causes of blindness and distance vision impairment 1990-2020 a systematic review and meta-analysis”. Lancet Global Health [Online]. vol. 5, issue 12. Available: https://www.thelancet.com/journals/langlo/ article/PIIS2214-109X(17)30393- 5/fulltext [7] А. О. Костецька, “Медико-організаційна технологія оптимізації моніторингу порушень зору у школярів”, автореферат дисерт. канд. мед. наук, каф. упр-ння охороною здоров’я, Нац. мед. акад. післядипломної освіти, Київ, 2014. [8] Ч. Шагас, Вызванные потенциалы мозга в норме и патологии. Москва: Мир, 1975, с. 87-110. [85] E. S. Pearson, H. O. Hartley, Biometrika tables for Statisticians. 2 nd ed. Cambridge University Press, 1976. [86] Б. Ю. Лемешко, С. Б. Лемешко, А. А. Горбунова, “О применении и мощности критериев проверки однородности дисперсий. Ч. I. Параметрические критерии,” Измерительная техника, вип. 3, с. 10-16, 2010. [87] T. S. Rao, S. S. Rao, C.R. Rao, Time series analysis: methods and applications, Elsevier, 2012. [88] T. S. Chiara, An introduction to the orthogonal polymials, New York: Dover Publications, 2011. [89] В. Б. Марченко, Ортогональні функції дискретного аргументу і їх застосування в геофізиці, Київ: Наукова думка, 1992. [90] Б. Г. Марченко, Н. Б. Марченко, Б. Б. Млинко, М. Є. Фриз, “Ідентифікація інформативних ознак світлового біосигналу методом ортогональних перетворень,” Електроніка та системи управління, вип. 3(17), с. 47-51, 2008. [91] T. S. Chiara, An introduction to the orthogonal polymials, New York: Dover Publications, 2011. [92] Н. Васильев, А. Зельвинский, “Многочлены Чебышёва и рекуррентные соотношения,” Научно-популярный физико-математический журнал “Квант”, вип. 1, с.12-19, 1982. [93] M. Krawtchouk. C.R.Acad, “Sur une généralisation des polynomes d'Hermite,” Science, vol.17, pp.620-622, 1929. [94] J. Shlens, “A tutorial on principal component analysis,” International Journal of Remore Sensing, vol. 2, issue 51, 12 pages, Apr 2014. [95] I. T. Jolliffe, Principal Component Analysis, 2 nd ed. New York: Springer Series in Statistics, 2002. [96] R. D. Rony, “Karhunen-Loeve Transform,” in The Transform and Data Compression Handbook, K. R. Rao, P. C. Yip, Eds. Boca Raton: CRC Press, 2001. [97] K. Yang, “Multivariate time series analysis based on principal component analysis,” Ph. D. dissertation, Faculty of the graduate school, University of Southern California, 2007.
Content type: Dissertation
Dissertation Abstract
Appears in Collections:05.13.06 – інформаційні технології

Files in This Item:
File Description SizeFormat 
avtoreferat_Stadnyk.pdfАвтореферат1,19 MBAdobe PDFView/Open
Diser_Stadnyk.pdfДисертація5,69 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.