prikaz prve stranice dokumenta Evaluacija i razvoj sustava za automatsku identifikaciju relevantne moždane aktivnosti
Rad nije dostupan
diplomski rad
Evaluacija i razvoj sustava za automatsku identifikaciju relevantne moždane aktivnosti
Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2014. urn:nbn:hr:168:090174
Zadro, Ivana
Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva

Institucijski repozitorij: Repozitorij FER-a

Citirajte ovaj rad

Zadro, I. (2014). Evaluacija i razvoj sustava za automatsku identifikaciju relevantne moždane aktivnosti (Diplomski rad). Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva. Preuzeto s https://urn.nsk.hr/urn:nbn:hr:168:090174

Zadro, Ivana. "Evaluacija i razvoj sustava za automatsku identifikaciju relevantne moždane aktivnosti." Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2014. https://urn.nsk.hr/urn:nbn:hr:168:090174

Zadro, Ivana. "Evaluacija i razvoj sustava za automatsku identifikaciju relevantne moždane aktivnosti." Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, 2014. https://urn.nsk.hr/urn:nbn:hr:168:090174

Zadro, I. (2014). 'Evaluacija i razvoj sustava za automatsku identifikaciju relevantne moždane aktivnosti', Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, citirano: 01.12.2024., https://urn.nsk.hr/urn:nbn:hr:168:090174

Zadro I. Evaluacija i razvoj sustava za automatsku identifikaciju relevantne moždane aktivnosti [Diplomski rad]. Zagreb: Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva; 2014 [pristupljeno 01.12.2024.] Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:090174

I. Zadro, "Evaluacija i razvoj sustava za automatsku identifikaciju relevantne moždane aktivnosti", Diplomski rad, Sveučilište u Zagrebu, Fakultet elektrotehnike i računarstva, Zagreb, 2014. Dostupno na: https://urn.nsk.hr/urn:nbn:hr:168:090174

Za citiranje koristite ovu mrežnu adresu: https://urn.nsk.hr/urn:nbn:hr:168:090174
Podaci o radu
NaslovEvaluacija i razvoj sustava za automatsku identifikaciju relevantne moždane aktivnosti
Naslov (engleski)Automatic Detection of Discriminative Brain Activity Patterns
AutorIvana Zadro
MentorDamir Seršić (mentor)
Član povjerenstvaTanja Schultz (član povjerenstva)
Član povjerenstvaDominic Heges (član povjerenstva)
Član povjerenstvaCristian Herff (član povjerenstva)
Ustanova koja je dodijelila
akademski / stručni stupanj		Sveučilište u Zagrebu
Fakultet elektrotehnike i računarstva
Zagreb
Datum i država obrane2014-12-15, Hrvatska
Znanstveno / umjetničko
područje, polje i grana		TEHNIČKE ZNANOSTI
Računarstvo
Sažetak
U ovom radu je predložena metoda za identifikaciju diskriminativnih uzoraka moždane aktivnosti s primjenom za mozak-računalo sučelje (eng. Brain Computer Interface). Višekanalni EEG signal se segmentira u diskriminativne klastere u prostorno-vremensko-frekvencijskoj domeni. Klasteriranje započinje procjenom relevantnosti u spektralnoj domeni signala pomoću Fisherovog koefcijenta i određivanjem praga te završava spektralnim klasteriranjem. Metoda ima sposobnost ekstrakcije uzoraka moždane aktivnosti u prostoru, vremenu i frekvenciji specifični za pojedini subjekt. Evaluacija predložene metode se vrši na primjeru klasifikacije EEG snimki različitih zamišljenih motoričkih radnji. Tehnika Common Spatial Patterns (CSP) se primjenuje za ekstrakciju značajki iz svakog klastera. Algoritam se primjenjuje na sve subjekte iz podatkovnog seta IIa s BCI natjecanja IV te na subjekte iz podatkovnog seta IVa s BCI natjecanja III. Za oba podatkovna seta dobivene prosječne točnosti klasifikacije nadmašuju one dobivene komparativnom metodom Filter Bank Common Spatial Patterns (FBCSP).
Sažetak (engleski)
We introduce a new method to identify discriminative brain activity patterns for Brain-Computer Interface (BCI) applications. The multichannel EEG data are segmented into discriminative clusters in the time-frequency-channel domain. It is accomplished by Fisher score based relevance analysis and thresholding followed by spectral clustering. The method can be used to extract subject specific brain activity patterns in location, time and frequency. We evaluated our approach by classification of motor imagery related EEG recordings. The features are extracted by the Common Spatial Pattern algorithm that are determined by parameters associated with obtained clusters. The algorithm was applied to all subjects from BCI Competition IV data set IIa and BCI Competition III data set IVa. For both data sets the average classification accuracies outperform these obtained with a FBCSP technique.
Ključne riječi
Ključne riječi (engleski)
Jezikengleski
URN:NBNurn:nbn:hr:168:090174
Studijski programNaziv: Informacijska i komunikacijska tehnologija
Vrsta studija: sveučilišni
Stupanj studija: diplomski
Akademski / stručni naziv: magistar/magistra inženjer/inženjerka informacijske i komunikacijske tehnologije (mag. ing. inf. et comm. techn.)
Vrsta resursaTekst
Način izrade datotekeIzvorno digitalna
Prava pristupaZatvoreni pristup
Uvjeti korištenjaIkona licence Zaštićeno autorskim pravom.
Javna napomena
Datum i vrijeme pohrane2019-03-14 02:16:25