Αναγνώριση κίνησης χεριού από εγκεφαλικά σήματα με χρήση μεθόδων μηχανικής μάθησης

• Main Author: Χαιρέτης, Νικόλαος
• Other Authors: Σγάρμπας, Κυριάκος
• Format: Thesis
• Language: Greek
• Published: 2017
• Subjects: Σύστημα BCI; ECoG σήματα; Παλινδρόμηση PLS; Morlet κυματίδια; BCI system; ECoG signals; PLS regression; Morlet wavelets; 612.823 3

Είναι γεγονός ότι τα τελευταία χρόνια, τα επιστημονικά κέντρα ανά τον κόσμο στοχεύουν όλο και περισσότερο στην αναβάθμιση του βιοτικού επιπέδου του ανθρώπου. Προς αυτή την κατεύθυνση, πρόσφατα επιτεύγματα σε πολυάριθμα επιστημονικά πεδία έχουν οδηγήσει στην ανάπτυξη συστημάτων αλληλεπίδρασης του ανθρώπινου εγκεφάλου και του υπολογιστή. Μια κατηγορία τέτοιων συστημάτων αποτελούν τα συστήματα των διεπαφών εγκεφάλου-υπολογιστή (BCI: brain computer interface), τα οποία δίνουν τη δυνατότητα σε άτομα να αποκτήσουν έναν νέο, καινοτόμο και μη μυϊκό τρόπο άμεσης επικοινωνίας με το περιβάλλον. Για να επιτευχθεί αυτό, τα συστήματα BCI καταγράφουν την εγκεφαλική δραστηριότητα του ατόμου και μέσω κατάλληλων διεργασιών παράγουν εξόδους, οι οποίες είναι δυνατόν να χρησιμοποιηθούν σαν εντολές σε εξωτερικές συσκευές. Η παρούσα διπλωματική εργασία έχει σαν στόχο την εξοικείωση του αναγνώστη με την τεχνολογία των συστημάτων BCI, καθώς επίσης και την παρουσίαση του τρόπου ανάπτυξης ενός πραγματικού λογισμικού συστήματος BCI. Πιο συγκεκριμένα, το πρώτο μέρος της διπλωματικής εργασίας έχει αφιερωθεί στο θεωρητικό υπόβαθρο που απαιτείται για την κατανόηση της λειτουργίας ενός συστήματος BCI. Μεταξύ άλλων παρουσιάζονται τα δομικά στοιχεία ενός συστήματος BCI, οι κατηγορίες αυτού, οι τεχνικές καταγραφής των εγκεφαλικών σημάτων, καθώς και η συμβολή των τεχνολογιών της επεξεργασίας σήματος και της μηχανικής μάθησης στην υλοποίησή του. Το δεύτερο μέρος επικεντρώνεται στην βήμα προς βήμα υλοποίηση ενός λογισμικού, το οποίο στοχεύει στην αναγνώριση της εμπρός - πίσω κίνησης του χεριού, χρησιμοποιώντας ως δεδομένα ECoG σήματα. Χρησιμοποιήθηκαν μέθοδοι φασματικού και χωρικού φιλτραρίσματος για την επεξεργασία των εγκεφαλικών σημάτων, μέθοδοι βασισμένες στον μετασχηματισμό Fourier και στα κυματίδια Morlet για την εξαγωγή χαρακτηριστικών της εγκεφαλικής δραστηριότητας και γραμμική παλινδρόμηση για την ανάπτυξη του μοντέλου μετάφρασης της εγκεφαλικής δραστηριότητας σε δεδομένα κίνησης του χεριού. Τα αποτελέσματα του λογισμικού που αναπτύχθηκε στο πλαίσιο της παρούσας διπλωματικής εργασίας αποδεικνύουν ότι είναι εφικτή η υψηλής ακρίβειας αποκωδικοποίηση της εγκεφαλικής δραστηριότητας που καταγράφεται με την μορφή ECoG σημάτων και σχετίζεται με την εμπρός - πίσω κίνηση του χεριού. Η διαπίστωση αυτή αναδεικνύει την ανάγκη για περαιτέρω έρευνα πάνω στα συστήματα BCI, με σκοπό την ανάπτυξη κλινικών εφαρμογών, οι οποίες θα επεκτείνουν την χρήση συστημάτων BCI σε μη πειραματικά περιβάλλοντα.