prikaz prve stranice dokumenta Usporedba konvolucijskih neuronskih mreža za klasifikaciju afektivnih poremećaja
No public access
master's thesis
Usporedba konvolucijskih neuronskih mreža za klasifikaciju afektivnih poremećaja
Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing, 2022. urn:nbn:hr:168:908761
Ivandić, Hana
University of Zagreb
Faculty of Electrical Engineering and Computing

Institutional repository: FER Repository

Cite this document

Ivandić, H. (2022). Usporedba konvolucijskih neuronskih mreža za klasifikaciju afektivnih poremećaja (Master's thesis). Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing. Retrieved from https://urn.nsk.hr/urn:nbn:hr:168:908761

Ivandić, Hana. "Usporedba konvolucijskih neuronskih mreža za klasifikaciju afektivnih poremećaja." Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, 2022. https://urn.nsk.hr/urn:nbn:hr:168:908761

Ivandić, Hana. "Usporedba konvolucijskih neuronskih mreža za klasifikaciju afektivnih poremećaja." Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, 2022. https://urn.nsk.hr/urn:nbn:hr:168:908761

Ivandić, H. (2022). 'Usporedba konvolucijskih neuronskih mreža za klasifikaciju afektivnih poremećaja', Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, accessed 01 September 2024, https://urn.nsk.hr/urn:nbn:hr:168:908761

Ivandić H. Usporedba konvolucijskih neuronskih mreža za klasifikaciju afektivnih poremećaja [Master's thesis]. Zagreb: University of Zagreb, Faculty of Electrical Engineering and Computing; 2022 [cited 2024 September 01] Available at: https://urn.nsk.hr/urn:nbn:hr:168:908761

H. Ivandić, "Usporedba konvolucijskih neuronskih mreža za klasifikaciju afektivnih poremećaja", Master's thesis, University of Zagreb, Faculty of Electrical Engineering and Computing, Zagreb, 2022. Available at: https://urn.nsk.hr/urn:nbn:hr:168:908761

Metadata
TitleUsporedba konvolucijskih neuronskih mreža za klasifikaciju afektivnih poremećaja
Title (english)Comparison of Convolutional Neural Networks for Affective Disorder Classification
AuthorHana Ivandić
MentorMario Cifrek (mentor)
Committee memberMario Cifrek (predsjednik povjerenstva)
Committee memberTomislav Pribanić (član povjerenstva)
Committee memberAlan Jović (član povjerenstva)
GranterUniversity of Zagreb
Faculty of Electrical Engineering and Computing
Zagreb
Defense date and country2022-06-28, Croatia
Scientific / art field,
discipline and subdiscipline		TECHNICAL SCIENCES
Computing
Abstract
Povratni depresivni poremećaj vrsta je afektivnog poremećaja. Rad se bavi klasifikacijom zapisa signala EEG-a dobivenih elektroencefalografijom u dvije klase: klasu depresivnih i klasu zdravih. Iz signala EEG-a izdvojeni su intervali kada pacijent miruje zatvorenih očiju te je provedena predobrada svih signala kako bi se iz njih uklonile smetnje i zadržali samo korisni dijelovi. Za opisani problem klasifikacije korišteno je nekoliko konvolucijskih neuronskih mreža različitih arhitektura i treniranih različitim postupcima. Rad uspoređuje njihove mjere vrednovanja i potrebna vremena treniranja međusobno, ali i s originalnim radovima iz kojih su preuzete arhitekture mreža. Korištena baza podataka dobivena je iz Klinike za psihijatriju Vrapče. Iz nje su izdvojeni zapisi signala EEG-a zdravih ljudi i pacijenata s povratnim depresivnim poremećajem s teškom trenutnom epizodom te je provedeno balansiranje ulaznog skupa podataka.
Abstract (english)
Recurrent depressive disorder is a type of affective disorder. This paper deals with the classification of EEG signal recordings obtained from electroencephalography in two classes: depressed and healthy. The resting state segments where the patients have their eyes closed were extracted from the EEG signals. The signals were also preprocessed in order to eliminate noise and keep only the relevant parts. Multiple convolutional neural networks with different architectures and training procedures were used to solve the classification problem. The paper compares their performance measures and training execution times both mutually and with the results from the original papers in which the architectures were proposed. The database was provided by the Vrapče Psychiatric Hospital. EEG signal recordings of the healthy people and the patients with recurrent depressive disorder with severe current episode were extracted from it and subsampled to form a balanced set.
Keywords
Keywords (english)
Languagecroatian
URN:NBNurn:nbn:hr:168:908761
Study programmeTitle: Computing
Study programme type: university
Study level: graduate
Academic / professional title: magistar/magistra inženjer/inženjerka računarstva (magistar/magistra inženjer/inženjerka računarstva)
Type of resourceText
File originBorn digital
Access conditionsClosed access
Terms of useLicence In copyright icon
Public note
Created on2023-01-14 08:56:32