このアイテムの引用には次の識別子を使用してください:
http://elartu.tntu.edu.ua/handle/lib/42222
タイトル: | Комп'ютерна система аналізу електроенцефалографічних сигналів з використанням технологій машинного навчання |
その他のタイトル: | Computer system of electroencephalographic signals analysis using machine learning technologies |
著者: | Кузьмович, Владислав Юрійович Kuzmovych, Vladyslav |
Affiliation: | Тернопільський національний технічний університет імені Івана Пулюя Ternopil Ivan Puluj National Technical University |
Bibliographic description (Ukraine): | Кузьмович В.Ю. Комп'ютерна система аналізу електроенцефалографічних сигналів з використанням технологій машинного навчання : кваліфікаційна робота бакалавра за спеціальністю „123 — Комп’ютерна інженерія“ / Кузьмович Владислав Юрійович – Тернопіль : ТНТУ, 2023. – 68 c. |
Bibliographic description (International): | Kuzmovych V. CComputer system of electroencephalographic signals analysis using machine learning technologies : Bachelor thesis „123 — Computer Engineering“ Kuzmovych Vladyslav - Ternopil, TNTU, 2023 – 68 p. |
発行日: | 18-6月-2023 |
Submitted date: | 22-6月-2023 |
Date of entry: | 19-7月-2023 |
出版者: | Тернопільський національний технічний університет імені Івана Пулюя |
Country (code): | UA |
Place of the edition/event: | Тернопільський національний технічний університет імені Івана Пулюя |
Supervisor: | Яцишин, Василь Володимирович Yatsyshyn, Vasyl |
Committee members: | Бойко, Ігор Володимирович Boiko, Ihor |
UDC: | 004.3 |
キーワード: | системааналіз електроенцефалограф сигнал машинне навчання system analysis electroencephalograph signal machine learning |
Number of pages: | 68 |
抄録: | У результаті виконання кваліфікаційної роботи спроектовано електроенцефалограф та розроблено програмне забезпечення для аналізу ЕЕГ сигналів методами машинного навчання для встановлення кореляції між парами електродів та відповідними ділянками мозку для двох груп користувачів.
Дані електроенцефалографічних сигналів збираються за допомогою трьох електродів ЕЕГ, кожен з яких є позитивним, негативним і заземленням відповідно. Оскільки сигнал вимірюється в мікровольтах, його потрібно посилити за допомогою схеми підсилювача. Ця схема складається з п’яти частин, а саме інструментального підсилювача, режекторного фільтра 60 Гц, фільтра низьких частот 31 Гц, каскаду підсилення та схеми фіксації даних.
Для аналізу ЕЕГ сигналів із застосуванням методів машинного навчання обрано відкритий набір даних, який містить інформацію про сигнали з електродів 64 канального електроенцефалографа для двох груп людей – здорових та тих, хто зловживає алкоголем. Кореляційний аналіз одержаних ЕЕГ сигналів показав, що активність мозку і сигнали відповідних його ділянок реагують по-різному для різних груп на одні і ті ж візуальні об’єкти, а пари сусідніх електродів в межах групи показують високий відсоток подібності. As the result of the qualification work, the electroencephalograph was designed and software was developed for the analysis of EEG signals using machine learning methods to establish the correlation between pairs of electrodes and the corresponding areas of the brain for two groups of users. Electroencephalographic signal data is collected using three EEG electrodes, each of which is positive, negative and ground, respectively. Since the signal is measured in microvolts, it must be amplified using an amplifier circuit. This circuit consists of five parts, namely an instrumentation amplifier, a 60 Hz notch filter, a 31 Hz low-pass filter, a gain stage, and a data latch circuit. For the analysis of EEG signals using machine learning methods, an open data set was selected, which contains information on signals from the electrodes of a 64-channel electroencephalograph for two groups of people - healthy people and those who abuse alcohol. Correlation analysis of the received EEG signals showed that the activity of the brain and the signals of its corresponding areas react differently for different groups to the same visual objects, and pairs of adjacent electrodes within the group show a high percentage of similarity. |
Content: | ВСТУП 8 РОЗДІЛ 1 АНАЛІЗ ВИМОГ ДО КОМП’ЮТЕРНОЇ СИСТЕМИ АНАЛІЗУ ЕЕГ СИГНАЛІВ 9 1.1 Аналіз завдань щодо організації комп’ютерної системи аналізу електроенцефалографічних сигналів з використанням технологій машинного навчання 9 1.2 Аналіз особливостей типових електроенцефалографів 15 РОЗДІЛ 2 ПРОЕКТУВАННЯ ЕЛЕКТРОЕНЦЕФАЛОГРАФА НА БАЗІ ARDUINO UNO 19 2.1 Аналіз типів ЕЕГ-сигналів 19 2.2 Інструментальний підсилювач AD620ANZ 21 2.3 Операційний підсилювач: TL084IN 23 2.4 Універсальний активний фільтр 25 2.5 Мікроконтролери Arduino Uno 26 2.6 Радіомодуль XBee PRO 27 2.7 Організація схеми електричної принципової електроенцефалографа 28 2.8 Тестування схеми ЕЕГ 34 РОЗДІЛ 3 ПОБУДОВА СИСТЕМИ КЛАСИФІКАЦІЇ ЕЕГ СИГНАЛІВ ІЗ ЗАСТОСУВАННЯМ МАШИННОГО НАВЧАННЯ 40 3.1 Аналіз даних для класифікації ЕЕГ сигналів 40 3.2 Візуалізація набору даних ЕЕГ 45 3.3 Кореляційний аналіз при дослідженні ЕЕГ сигналів 50 РОЗДІЛ 4 БЕЗПЕКА ЖИТТЄДІЯЛЬНОСТІ, ОСНОВИ ОХОРОНИ ПРАЦІ 59 4.1 Долікарська допомога при ураженні електричним струмом. 59 4.2 Оцінка майбутнього фізичного та психологічного навантаження на людину, яка обслуговує пристрій 62 ВИСНОВКИ 65 СПИСОК ВИКОРИСТАНИХ ДЖЕРЕЛ 66 Додаток A. Технічне завдання |
URI: | http://elartu.tntu.edu.ua/handle/lib/42222 |
Copyright owner: | © Кузьмович Владислав Юрійович, 2023 © Kuzmovych Vladyslav, 2023 |
References (Ukraine): | Arduino Project. URL: http://www.arduino.cc/ (дата зверDigi International Inc. 2006-2011. URL: http://www.digi.com/нення: 20.04.2023 р). pdf/ds_xbeemultipointmodules.pdf (дата звернення: 20.04.2023 р) StatSoft, Inc., "Electronic Statistics Textbook. Tulsa, OK. 2013. URL:https://www.statsoft.com/textbook/support-vector-machines (дата звернення: 27.04.2023 р). Analog Devices, Inc., URL: http://www.analog.com/static/imported-files/data_sheets/AD620.pdf. (дата звернення 01.05.2023 р.). Texas Instruments. February 1977-Revised Januray 2014. URL: http://www.ti.com/lit/ds/symlink/tl084m.pdf. (дата звернення: 01.05.2023 р.). Texas Instruments. July 1992-Revised October 2010. URL:http://www.ti.com/lit/ds/symlink/uaf42.pdf. (дата звернення: 01.05.2023 р.). Henry C. DIY EEG (and ECG) Circuit. URL: http://www.instructables.com/id/DIY-EEG-and-ECG-Circuit/ (дата звернення: 03.05.2023 р.). Ben-Hur A., Weston J. A User’s Guide To Support Vector Machines in Data Mining Techniques for the Life Sciences. Anonymous Springer. 2010. pp. 223-239. Boser B. E., Guyon I. M., Vapnik V. N.. A training algorithm for optimal margin classifiers. In D. Haussler editor. 5th Annual ACM Workshop on COLT. Pittsburgh, PA, 1992. pp 144–152. Sch ̈olkopf B., Tsuda K., Vert J.P. Kernel Methods in Computational Biology. MIT Press series on Computational Molecular Biology. MIT Press, 2004. P 51. Паламар М.І., Стрембіцький М.О., Паламар А.М. Проектування комп’ютеризованих вимірювальних систем і комплексів. Навчальний посібник. Тернопіль: ТНТУ. 2019. 150 с. Sch ̈olkopf B., Smola A. Learning with Kernels. MIT Press, Cambridge, MA, 2002. pp. 18-32. Fletcher T. Support vector machines explained.Tutorial Paper. Mar, 2009. pp. 56 -87. Python recsys on Github. URL: https://github.com/ocelma/python recsys (дата звернення 22.04.2022 р). Preprocessing data. URL: https://scikit-learn.org/stable/modules/ preprocessing.html#preprocessing (дата звернення 02.05.2022 р.). API reference. URL: https://pandas.pydata.org/docs/reference/index.html (дата звернення 10.05.2022 р.). NumPy Reference. URL: https://numpy.org/doc/stable/reference/index.html (дата звернення 12.05.2022 р.) Kurucz M., Benczur A., Csalogany K. Methods for large scale SVD with missing values. Proceedings of KDD Cup and Workshop. 2007. pp. 122-129. Осухівська Г.М., Тиш Є.В., Луцик Н.С., Паламар А.М. Методичні вказівки до виконання кваліфікаційних робіт здобувачів першого (бакалаврського) рівня вищої освіти спеціальності 123 «Комп’ютерна інженерія» усіх форм навчання. Тернопіль, ТНТУ. 2022. 28 с. НПАОП 0.00-7.15-18 «Вимоги щодо безпеки та захисту здоров’я працівників під час роботи з екранними пристроями». Київ. 2018. Катренко Л.А., Катренко А.В. Охорона праці в галузі комп’ютинґу. Львів: Магнолія-2006. 2012. 544 с. Бедрій Я. Основи охорони праці користувачів персональних комп’ютерів: навчальний посібник для студентів ВНЗ та інженерів-практиків. Навчальна книга-Богдан. 2014. 144 с. |
Content type: | Bachelor Thesis |
出現コレクション: | 123 — Комп’ютерна інженерія (бакалаври) |
このアイテムのファイル:
ファイル | 記述 | サイズ | フォーマット | |
---|---|---|---|---|
Author_Notes_Vladyslav_Кузьмович.docx | 10,62 kB | Microsoft Word XML | 見る/開く | |
Vladyslav_Kuzmovych.pdf | 2,64 MB | Adobe PDF | 見る/開く |
このリポジトリに保管されているアイテムはすべて著作権により保護されています。
管理ツール