prikaz prve stranice dokumenta Multichannel electroencephalogram frequency domain feature extraction method for brain activity state transition detection
  Preuzmi
PDF 18.06 MB
disertacija
Multichannel electroencephalogram frequency domain feature extraction method for brain activity state transition detection
Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2023. urn:nbn:hr:168:341252
Stančin, Igor
Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva

Institucijski repozitorij: Repozitorij FER-a

Citirajte ovaj rad

Stančin, I. (2023). Multichannel electroencephalogram frequency domain feature extraction method for brain activity state transition detection (Disertacija). Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:168:341252

Stančin, Igor. "Multichannel electroencephalogram frequency domain feature extraction method for brain activity state transition detection." Disertacija, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2023. https://urn.nsk.hr/urn:nbn:hr:168:341252

Stančin, Igor. "Multichannel electroencephalogram frequency domain feature extraction method for brain activity state transition detection." Disertacija, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2023. https://urn.nsk.hr/urn:nbn:hr:168:341252

Stančin, I. (2023). 'Multichannel electroencephalogram frequency domain feature extraction method for brain activity state transition detection', Disertacija, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, citirano: 06.05.2024., https://urn.nsk.hr/urn:nbn:hr:168:341252

Stančin I. Multichannel electroencephalogram frequency domain feature extraction method for brain activity state transition detection [Disertacija]. Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva; 2023 [pristupljeno 06.05.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:341252

I. Stančin, "Multichannel electroencephalogram frequency domain feature extraction method for brain activity state transition detection", Disertacija, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, Zagreb, 2023. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:341252

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:168:341252
Podaci o radu
NaslovMultichannel electroencephalogram frequency domain feature extraction method for brain activity state transition detection
Naslov (hrvatski)Metoda izlučivanja značajki višekanalnoga elektroencefalograma u frekvencijskoj domeni za detekciju promjene stanja moždane aktivnost
AutorIgor Stančin
MentorAlan Jović (mentor)
Član povjerenstvaDomagoj Jakobović (predsjednik povjerenstva)
Član povjerenstvaMario Cifrek (član povjerenstva)
Član povjerenstvaMarijan Palmović (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva
Zagreb
Datum i država obrane2023-06-20, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		TEHNIČKE ZNANOSTI
Elektrotehnika
Univerzalna decimalna klasifikacija
(UDC)		621.3 - Elektrotehnika
Sažetak
Focusing on the improvements in detecting brain state transitions, this thesis specifically investigates the transition from a waking state to a drowsy state during driving. Driver drowsiness is a significant road safety concern that contributes to numerous accidents and fatalities worldwide. The conducted research focuses on the detection and prediction of driver drowsiness using multichannel electroencephalography (EEG) signals. The published review paper [Pub1] systematically examines EEG signal features, drowsiness detection systems, and discusses potential improvements. A key insight found during the review is that current methods focus on a single brain region, while frequency-domain features from different brain regions behave differently during transition to drowsiness state. Based on this insight, a novel brain state transition detection method that extracts multichannel frequency-domain features for improved drowsiness identification was developed [Pub2]. Further research also revealed that male and female subjects have different brain states and brain state transitions when experiencing drowsiness during driving [Pub4]. Incorporating information on the driver's sex improved drowsiness detection accuracy, and a reliable sex classifier was constructed using EEG data [Pub3].
Sažetak (hrvatski)
Fokusirajući se na poboljšanja u detekciji prijelaza stanja moždane aktivnosti, ovaj doktorski rad posebno istražuje prijelaz iz budnog stanja u stanje pospanosti tijekom vožnje. Pospanost vozača značajan je problem sigurnosti na cestama koji pridonosi brojnim nesrećama i smrtnim slučajevima diljem svijeta. Provedeno istraživanje usmjereno je na detekciju i predviđanje pospanosti vozača pomoću signala višekanalne elektroencefalografije (EEG). Objavljeni pregledni rad [Pub1] sustavno ispituje značajke EEG signala, sustave za otkrivanje pospanosti i raspravlja o mogućim poboljšanjima. Ključni uvid do kojeg je došlo tijekom pregleda je da se trenutne metode fokusiraju na jednu regiju mozga, dok se značajke frekvencijske domene iz različitih regija mozga ponašaju različito tijekom prijelaza u stanje pospanosti. Na temelju ovog uvida razvijena je nova metoda detekcije prijelaza stanja moždane aktivnosti koja izdvaja višekanalne značajke frekvencijske domene za poboljšanu identifikaciju pospanosti [Pub2]. Daljnja istraživanja također su otkrila da ispitanici muškog i ženskog spola imaju različita stanja mozga i prijelaze među stanjima moždane aktivnosti kada postaju pospani tijekom vožnje [Pub4]. Uključivanje informacija o spolu vozača poboljšalo je točnost otkrivanja pospanosti, a razvijen je i pouzdani klasifikator spola temeljem EEG signalu [Pub3].
Ključne riječi
Ključne riječi (hrvatski)
Jezikengleski
URN:NBNurn:nbn:hr:168:341252
Datum promocije2024
Studijski programNaziv: Elektrotehnika
Vrsta studija: sveučilišni
Stupanj studija: poslijediplomski znanstveni (doktorski)
Akademski / stručni naziv: doktor/doktorica znanosti, po-dručje tehničkih znanosti (dr. sc.)
Vrsta resursaTekst
Opsegix, 133 str. : graf. prikazi ; 31 cm.
Način izrade datotekeIzvorno digitalna
Prava pristupaOtvoreni pristup
Uvjeti korištenjaIkona licence Zaštićeno autorskim pravom.
Datum i vrijeme pohrane2024-02-15 14:46:03