prikaz prve stranice dokumenta Klasifikacija afektivnih poremećaja korištenjem linearnih značajki signala EEG-a
No public access
undergraduate thesis
Klasifikacija afektivnih poremećaja korištenjem linearnih značajki signala EEG-a
Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing, 2023. urn:nbn:hr:168:901630
Ćorić, Tamara
University of Zagreb
Faculty of Electrical Engineering and Computing

Institutional repository: FER Repository

Cite this document

Ćorić, T. (2023). Klasifikacija afektivnih poremećaja korištenjem linearnih značajki signala EEG-a (Undergraduate thesis). Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing. Retrieved from https://urn.nsk.hr/urn:nbn:hr:168:901630

Ćorić, Tamara. "Klasifikacija afektivnih poremećaja korištenjem linearnih značajki signala EEG-a." Undergraduate thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, 2023. https://urn.nsk.hr/urn:nbn:hr:168:901630

Ćorić, Tamara. "Klasifikacija afektivnih poremećaja korištenjem linearnih značajki signala EEG-a." Undergraduate thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, 2023. https://urn.nsk.hr/urn:nbn:hr:168:901630

Ćorić, T. (2023). 'Klasifikacija afektivnih poremećaja korištenjem linearnih značajki signala EEG-a', Undergraduate thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, accessed 25 November 2024, https://urn.nsk.hr/urn:nbn:hr:168:901630

Ćorić T. Klasifikacija afektivnih poremećaja korištenjem linearnih značajki signala EEG-a [Undergraduate thesis]. Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing; 2023 [cited 2024 November 25] Available at: https://urn.nsk.hr/urn:nbn:hr:168:901630

T. Ćorić, "Klasifikacija afektivnih poremećaja korištenjem linearnih značajki signala EEG-a", Undergraduate thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, Zagreb, 2023. Available at: https://urn.nsk.hr/urn:nbn:hr:168:901630

Metadata
TitleKlasifikacija afektivnih poremećaja korištenjem linearnih značajki signala EEG-a
Title (english)Classification of Affective Disorders using Linear Features of EEG signal
AuthorTamara Ćorić
MentorMario Cifrek (mentor)
Committee memberMario Cifrek (predsjednik povjerenstva)
Committee memberEda Jovičić (član povjerenstva)
Committee memberLuka Klaić (član povjerenstva)
GranterUniversity of Zagreb
Faculty of Electrical Engineering and Computing
Zagreb
Defense date and country2023-09-14, Croatia
Scientific / art field,
discipline and subdiscipline		TECHNICAL SCIENCES
Computing
Abstract
Elektroencefalografija je postupak snimanja aktivnosti mozga pomoću elektroda postavljenih na površinu glave. Povratni depresivni poremećaj spada u afektivne poremećaje, odnosno psihičke poremećaje raspoloženja. Strojno učenje se bavi razvojem metoda za što precizniju i učinkovitiju klasifikaciju podataka. U ovom radu korištene su snimke EEG signala zdravih ispitanika te ispitanika sa dijagnozom povratnog depresivnog poremećaja. Na signalima je provedena predobrada signala s ciljem uklanjanja šuma i izdvajanja relevantnog dijela snimke signala, te su izdvojene linearne značajke. Korištenjem metoda strojnog učenja, signali su klasificirani kao "zdravi" i "depresivni". Za klasifikaciju su korišteni modeli logističke regresije i algoritam stabla odluke, te su rezultati prikazani u radu.
Abstract (english)
Electroencephalography is a procedure for recording brain activity using electrodes placed on the surface of the head. Recurrent depressive disorder belongs to affective disorders, that is, psychological mood disorders. Machine learning deals with the development of methods for the most accurate and efficient classification of data. In this work, recordings of EEG signals of healthy subjects and subjects with a diagnosis of recurrent depressive disorder were used. The signals were pre-processed with the aim of removing noise and extracting the relevant part of the signal recording, and linear features were extracted. Using machine learning methods, the signals are classified as "healthy" and "depressed". Logistic regression models and the decision tree algorithm were used for classification, and the results are presented in the paper.
Keywords
Keywords (english)
Languagecroatian
URN:NBNurn:nbn:hr:168:901630
Study programmeTitle: Computing
Study programme type: university
Study level: undergraduate
Academic / professional title: sveučilišni/a prvostupnik/ prvostupnica (baccalaureus/baccalaurea) inženjer/inženjerka računarstva (sveučilišni/a prvostupnik/ prvostupnica (baccalaureus/baccalaurea) inženjer/inženjerka računarstva)
Type of resourceText
File originBorn digital
Access conditionsClosed access
Terms of useLicence In copyright icon
Public note
Created on2023-10-11 08:40:47