Μελέτη της λειτουργικής συνδεσιμότητας του εγκεφάλου μέσω καταγραφών EEG με σκοπό την εφαρμογή στην ταυτοποίηση ατόμου
Είναι γεγονός πως τα τελευταία χρόνια αυξάνεται το επίπεδο παραβίασης της ασφάλειας και η απάτη διαφόρων συναλλαγών, έτσι γίνεται όλο και πιο επιτακτική η ανάγκη για ασφαλή ταυτοποίηση και επαλήθευση ατόμου. Προς αυτή την κατεύθυνση πρόσφατα επιτεύγματα σε αρκετά επιστημονικά πεδία έχουν οδηγήσει στ...
| Κύριος συγγραφέας: | |
|---|---|
| Άλλοι συγγραφείς: | |
| Μορφή: | Thesis |
| Γλώσσα: | Greek |
| Έκδοση: |
2020
|
| Θέματα: | |
| Διαθέσιμο Online: | http://hdl.handle.net/10889/12954 |
| id |
nemertes-10889-12954 |
|---|---|
| record_format |
dspace |
| institution |
UPatras |
| collection |
Nemertes |
| language |
Greek |
| topic |
Ταυτοποίηση Επαλήθευση Ηλεκτροεγκεφαλογράφημα Βιομετρία Αλληλεπίδραση ανθρώπου-υπολογιστή Verification Identification Functional connectivity Electroencephalography (EEG) Biometrics Biometry Wavelet Coefficient Human-computer interaction |
| spellingShingle |
Ταυτοποίηση Επαλήθευση Ηλεκτροεγκεφαλογράφημα Βιομετρία Αλληλεπίδραση ανθρώπου-υπολογιστή Verification Identification Functional connectivity Electroencephalography (EEG) Biometrics Biometry Wavelet Coefficient Human-computer interaction Κευσίκογλου, Ιωάννης Μελέτη της λειτουργικής συνδεσιμότητας του εγκεφάλου μέσω καταγραφών EEG με σκοπό την εφαρμογή στην ταυτοποίηση ατόμου |
| description |
Είναι γεγονός πως τα τελευταία χρόνια αυξάνεται το επίπεδο παραβίασης της ασφάλειας και η απάτη διαφόρων συναλλαγών, έτσι γίνεται όλο και πιο επιτακτική η ανάγκη για ασφαλή ταυτοποίηση και επαλήθευση ατόμου. Προς αυτή την κατεύθυνση πρόσφατα επιτεύγματα σε αρκετά επιστημονικά πεδία έχουν οδηγήσει στην ανάπτυξη συστημάτων αλληλεπίδρασης Ανθρώπου-Υπολογιστή με σκοπό την εξαγωγή βιομετρικών χαρακτηριστικών για υψηλά επίπεδα ασφαλείας. Η παρούσα διπλωματική έχει σαν στόχο τη μελέτη ενός συστήματος διασύνδεσης Ανθρώπου-Υπολογιστή (Brain-Computer Interface ή BCI) με σκοπό την ταυτοποίηση ατόμου μέσω μεθόδων υπολογισμού της λειτουργικής συνδεσιμότητας του εγκεφάλου, με δεδομένα που ελήφθησαν από ηλεκτροεγκεφαλογράφημα (Electroencephalography ή EEG).
Πιο συγκεκριμένα το πρώτο μέρος της διπλωματικής εργασίας έχει αφιερωθεί στο θεωρητικό υπόβαθρο που απαιτείται για την κατανόηση της λειτουργίας ενός συστήματος BCI, παρουσιάζοντας τις διάφορες μεθόδους για προεπεξεργασία σήματος, εξαγωγή χαρακτηριστικών και κατηγοριοποίηση. Το δεύτερο μέρος επικεντρώνεται στη βήμα προς βήμα υλοποίηση ενός συστήματος το οποίο στοχεύει στην ταυτοποίηση ατόμου βάσει ηλεκτροεγκεφαλογραφήματος (EEG). Στο μέρος αυτό γίνεται διερεύνηση της επίδρασης ορισμένων από τις πιο κοινές τεχνικές εκτίμησης της λειτουργικής συνδεσιμότητας (Συσχέτιση Περιβάλλουσας Πλάτους (AEC), Δείκτης Φάσης Καθυστέρησης (PLI), Κλείδωμα Φάσης (PLV)) και συμπληρωματικών μέτρων κεντρικότητας και σύγκριση αυτών με το Equal Error Rate (EER) για εξαγωγή αποτελεσμάτων. Εκτός από τις διαφορετικές μετρικές εφαρμόσθηκαν και διαφορετικά είδη φιλτραρίσματος κατά το στάδιο της προεπεξεργασίας σήματος. Τέλος, έγινε συσχετισμός με συστήματα που έχουν λιγότερα από 64 κανάλια (32, 14, 5) στο στάδιο λήψης του ηλεκτροεγκεφαλογραφήματος.
Για τη λήψη των αποτελεσμάτων χρησιμοποιήθηκαν δεδομένα τα οποία είναι διαθέσιμα στο διαδίκτυο. Τα πρώτα αποτελέσματα που παρατηρήθηκαν δείχνουν πως οι διάφορες μετρικές παρουσιάζουν ένα ιδιόμορφο προφίλ συνδεσιμότητας και έχουν διαφορετικούς μηχανισμούς ανίχνευσης της αλληλεπίδρασης μεταξύ των καναλιών. Σε γενικές γραμμές υπήρξαν ποσοστά EER κάτω του 10% για όλες τις μεθόδους. Στο στάδιο του πειραματισμού με διαφορετικά είδη φιλτραρίσματος παρατηρήθηκε πως επιφέρουν ελαφρώς αισθητές διαφορές στα αποτελέσματα του EER για όλες τις μεθόδους. Επισημαίνεται επίσης πως για μια οικονομική επιλογή συνδυασμένη με αρκετή ευκολία μπορούν να χρησιμοποιηθούν συστήματα με λιγότερα των 64 καναλιών προσφέροντας μία ικανοποιητική ταυτοποίηση ατόμου. Τέλος, σημειώνεται πως η υψηλότερη απόδοση (χαμηλότερη τιμή EER) της συγκεκριμένης μελέτης εμφανίστηκε με τη μέθοδο PLI, στις υψηλές συχνότητες (Gamma) για σύστημα με 32 κανάλια και είναι EER=5,24%. |
| author2 |
Μπερμπερίδης, Κωνσταντίνος |
| author_facet |
Μπερμπερίδης, Κωνσταντίνος Κευσίκογλου, Ιωάννης |
| format |
Thesis |
| author |
Κευσίκογλου, Ιωάννης |
| author_sort |
Κευσίκογλου, Ιωάννης |
| title |
Μελέτη της λειτουργικής συνδεσιμότητας του εγκεφάλου μέσω καταγραφών EEG με σκοπό την εφαρμογή στην ταυτοποίηση ατόμου |
| title_short |
Μελέτη της λειτουργικής συνδεσιμότητας του εγκεφάλου μέσω καταγραφών EEG με σκοπό την εφαρμογή στην ταυτοποίηση ατόμου |
| title_full |
Μελέτη της λειτουργικής συνδεσιμότητας του εγκεφάλου μέσω καταγραφών EEG με σκοπό την εφαρμογή στην ταυτοποίηση ατόμου |
| title_fullStr |
Μελέτη της λειτουργικής συνδεσιμότητας του εγκεφάλου μέσω καταγραφών EEG με σκοπό την εφαρμογή στην ταυτοποίηση ατόμου |
| title_full_unstemmed |
Μελέτη της λειτουργικής συνδεσιμότητας του εγκεφάλου μέσω καταγραφών EEG με σκοπό την εφαρμογή στην ταυτοποίηση ατόμου |
| title_sort |
μελέτη της λειτουργικής συνδεσιμότητας του εγκεφάλου μέσω καταγραφών eeg με σκοπό την εφαρμογή στην ταυτοποίηση ατόμου |
| publishDate |
2020 |
| url |
http://hdl.handle.net/10889/12954 |
| work_keys_str_mv |
AT keusikoglouiōannēs meletētēsleitourgikēssyndesimotētastouenkephaloumesōkatagraphōneegmeskopotēnepharmogēstēntautopoiēsēatomou AT keusikoglouiōannēs exploringbrainfunctionalconnectivitythrougheegrecordingsandapplicationtopersonidentification |
| _version_ |
1771297139078463488 |
| spelling |
nemertes-10889-129542022-09-05T04:59:23Z Μελέτη της λειτουργικής συνδεσιμότητας του εγκεφάλου μέσω καταγραφών EEG με σκοπό την εφαρμογή στην ταυτοποίηση ατόμου Exploring brain functional connectivity through EEG recordings and application to person identification Κευσίκογλου, Ιωάννης Μπερμπερίδης, Κωνσταντίνος Μπίρμπας, Μιχαήλ Kefsikoglou, Ioannis Ταυτοποίηση Επαλήθευση Ηλεκτροεγκεφαλογράφημα Βιομετρία Αλληλεπίδραση ανθρώπου-υπολογιστή Verification Identification Functional connectivity Electroencephalography (EEG) Biometrics Biometry Wavelet Coefficient Human-computer interaction Είναι γεγονός πως τα τελευταία χρόνια αυξάνεται το επίπεδο παραβίασης της ασφάλειας και η απάτη διαφόρων συναλλαγών, έτσι γίνεται όλο και πιο επιτακτική η ανάγκη για ασφαλή ταυτοποίηση και επαλήθευση ατόμου. Προς αυτή την κατεύθυνση πρόσφατα επιτεύγματα σε αρκετά επιστημονικά πεδία έχουν οδηγήσει στην ανάπτυξη συστημάτων αλληλεπίδρασης Ανθρώπου-Υπολογιστή με σκοπό την εξαγωγή βιομετρικών χαρακτηριστικών για υψηλά επίπεδα ασφαλείας. Η παρούσα διπλωματική έχει σαν στόχο τη μελέτη ενός συστήματος διασύνδεσης Ανθρώπου-Υπολογιστή (Brain-Computer Interface ή BCI) με σκοπό την ταυτοποίηση ατόμου μέσω μεθόδων υπολογισμού της λειτουργικής συνδεσιμότητας του εγκεφάλου, με δεδομένα που ελήφθησαν από ηλεκτροεγκεφαλογράφημα (Electroencephalography ή EEG). Πιο συγκεκριμένα το πρώτο μέρος της διπλωματικής εργασίας έχει αφιερωθεί στο θεωρητικό υπόβαθρο που απαιτείται για την κατανόηση της λειτουργίας ενός συστήματος BCI, παρουσιάζοντας τις διάφορες μεθόδους για προεπεξεργασία σήματος, εξαγωγή χαρακτηριστικών και κατηγοριοποίηση. Το δεύτερο μέρος επικεντρώνεται στη βήμα προς βήμα υλοποίηση ενός συστήματος το οποίο στοχεύει στην ταυτοποίηση ατόμου βάσει ηλεκτροεγκεφαλογραφήματος (EEG). Στο μέρος αυτό γίνεται διερεύνηση της επίδρασης ορισμένων από τις πιο κοινές τεχνικές εκτίμησης της λειτουργικής συνδεσιμότητας (Συσχέτιση Περιβάλλουσας Πλάτους (AEC), Δείκτης Φάσης Καθυστέρησης (PLI), Κλείδωμα Φάσης (PLV)) και συμπληρωματικών μέτρων κεντρικότητας και σύγκριση αυτών με το Equal Error Rate (EER) για εξαγωγή αποτελεσμάτων. Εκτός από τις διαφορετικές μετρικές εφαρμόσθηκαν και διαφορετικά είδη φιλτραρίσματος κατά το στάδιο της προεπεξεργασίας σήματος. Τέλος, έγινε συσχετισμός με συστήματα που έχουν λιγότερα από 64 κανάλια (32, 14, 5) στο στάδιο λήψης του ηλεκτροεγκεφαλογραφήματος. Για τη λήψη των αποτελεσμάτων χρησιμοποιήθηκαν δεδομένα τα οποία είναι διαθέσιμα στο διαδίκτυο. Τα πρώτα αποτελέσματα που παρατηρήθηκαν δείχνουν πως οι διάφορες μετρικές παρουσιάζουν ένα ιδιόμορφο προφίλ συνδεσιμότητας και έχουν διαφορετικούς μηχανισμούς ανίχνευσης της αλληλεπίδρασης μεταξύ των καναλιών. Σε γενικές γραμμές υπήρξαν ποσοστά EER κάτω του 10% για όλες τις μεθόδους. Στο στάδιο του πειραματισμού με διαφορετικά είδη φιλτραρίσματος παρατηρήθηκε πως επιφέρουν ελαφρώς αισθητές διαφορές στα αποτελέσματα του EER για όλες τις μεθόδους. Επισημαίνεται επίσης πως για μια οικονομική επιλογή συνδυασμένη με αρκετή ευκολία μπορούν να χρησιμοποιηθούν συστήματα με λιγότερα των 64 καναλιών προσφέροντας μία ικανοποιητική ταυτοποίηση ατόμου. Τέλος, σημειώνεται πως η υψηλότερη απόδοση (χαμηλότερη τιμή EER) της συγκεκριμένης μελέτης εμφανίστηκε με τη μέθοδο PLI, στις υψηλές συχνότητες (Gamma) για σύστημα με 32 κανάλια και είναι EER=5,24%. It is a fact that in recent years the level of security breach and cheat of various transactions has increased, thus increasing the need for secure identification and verification of an individual. Towards this end, recent advances in several scientific fields have led to the development of Human-Computer Interaction systems to extract biometric features for high levels of security. The purpose of this diploma thesis is to implement a Brain-Computer Interface (BCI) system to identify a person through methods of measuring the functional connectivity of the brain, with data obtained from an Electroencephalography (EEG). In particular, the first part of the thesis has been devoted to the theoretical background required to understand the operation of a BCI system, presenting the various methods for signal pre-processing, feature extraction and classification. The second part focuses on a step-by-step implementation of a system that aims to identify an individual based on EEG. This section explores the impact of some of the most common techniques for evaluating functional connectivity (Amplitude Envelope Correlation (AEC), Phase Lag Index (PLI), Phase Locking Value (PLV)) and centrality measures and compares them with Equal Error Rate (EER) for exporting results. In addition to different metrics, different types of filtering were applied during the signal pre-processing step. Finally, it was associated with systems having less than 64 channels (32, 14, 5) at the stage of EEG acquisition. The data used to get the results are available online. Experimental results suggest that different functional connectivity metrics define a peculiar subjective profile of connectivity and have different mechanisms to detect subject-specific patterns of inter-channel interactions. Generally, there were EER rates below 10% for all methods. During the experiment with different types of filtering, it was observed that they produce slightly noticeable differences in the EER results for all methods. Also, it is noted that for a low-cost option with sufficient ease, systems with less than 64 channels can be used to provide satisfactory individual identification. Finally, it is observed that the highest performance (lowest EER value) of this implementation occurred with the PLI method at high frequencies (Gamma) for a 32-channel system and is EER=5.24%. 2020-01-14T16:54:07Z 2020-01-14T16:54:07Z 2019-09-26 Thesis http://hdl.handle.net/10889/12954 gr 0 application/pdf |
