prikaz prve stranice dokumenta Klasifikacija afektivnih poremećaja korištenjem linearnih značajki signala EEG-a
Rad nije dostupan
završni rad
Klasifikacija afektivnih poremećaja korištenjem linearnih značajki signala EEG-a
Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2023. urn:nbn:hr:168:901630
Ćorić, Tamara
Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva

Institucijski repozitorij: Repozitorij FER-a

Citirajte ovaj rad

Ćorić, T. (2023). Klasifikacija afektivnih poremećaja korištenjem linearnih značajki signala EEG-a (Završni rad). Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:168:901630

Ćorić, Tamara. "Klasifikacija afektivnih poremećaja korištenjem linearnih značajki signala EEG-a." Završni rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2023. https://urn.nsk.hr/urn:nbn:hr:168:901630

Ćorić, Tamara. "Klasifikacija afektivnih poremećaja korištenjem linearnih značajki signala EEG-a." Završni rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2023. https://urn.nsk.hr/urn:nbn:hr:168:901630

Ćorić, T. (2023). 'Klasifikacija afektivnih poremećaja korištenjem linearnih značajki signala EEG-a', Završni rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, citirano: 25.11.2024., https://urn.nsk.hr/urn:nbn:hr:168:901630

Ćorić T. Klasifikacija afektivnih poremećaja korištenjem linearnih značajki signala EEG-a [Završni rad]. Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva; 2023 [pristupljeno 25.11.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:901630

T. Ćorić, "Klasifikacija afektivnih poremećaja korištenjem linearnih značajki signala EEG-a", Završni rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, Zagreb, 2023. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:901630

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:168:901630
Podaci o radu
NaslovKlasifikacija afektivnih poremećaja korištenjem linearnih značajki signala EEG-a
Naslov (engleski)Classification of Affective Disorders using Linear Features of EEG signal
AutorTamara Ćorić
MentorMario Cifrek (mentor)
Član povjerenstvaMario Cifrek (predsjednik povjerenstva)
Član povjerenstvaEda Jovičić (član povjerenstva)
Član povjerenstvaLuka Klaić (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva
Zagreb
Datum i država obrane2023-09-14, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		TEHNIČKE ZNANOSTI
Računarstvo
Sažetak
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.
Sažetak (engleski)
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.
Ključne riječi
Ključne riječi (engleski)
Jezikhrvatski
URN:NBNurn:nbn:hr:168:901630
Studijski programNaziv: Računarstvo
Vrsta studija: sveučilišni
Stupanj studija: preddiplomski
Akademski / stručni naziv: sveučilišni/a prvostupnik/ prvostupnica (baccalaureus/baccalaurea) inženjer/inženjerka računarstva (univ.bacc.ing.comp.)
Vrsta resursaTekst
Način izrade datotekeIzvorno digitalna
Prava pristupaZatvoreni pristup
Uvjeti korištenjaIkona licence Zaštićeno autorskim pravom.
Javna napomena
Datum i vrijeme pohrane2023-10-11 08:40:47