Επεξεργασία υπνικών ατράκτων για αναγνώριση φύλου από σήματα ηλεκτροεγκεφαλογραφίας

• Κύριος συγγραφέας: Παυλοπούλου, Ανδρονίκη
• Άλλοι συγγραφείς: Δερματάς, Ευάγγελος
• Μορφή: Thesis
• Γλώσσα: Greek
• Έκδοση: 2020
• Θέματα: Mηχανική μάθηση; Επιλογή χαρακτηριστικών; Εξαγωγή χαρακτηριστικών; Υπνικές άτρακτοι; Ηλεκτροεγκεφαλογράφημα; Ταξινόμηση; Sleep spindles; Machine learning; Feature extraction; Feature selection; Electroencephalography; Classification

Η παρούσα διπλωματική εργασία εξετάζει το πρόβλημα της αναγνώρισης του φύλου (άντρας ή γυναίκα) ενός ατόμου χρησιμοποιώντας εγκεφαλικούς ρυθμούς που εντοπίζονται σε καταγραφές ηλεκτροεγκεφαλογραφημάτων (EEG), τις υπνικές ατράκτους. Συγκεκριμένα, η προτεινόμενη μέθοδος εφαρμόζει μετασχηματισμό των αρχικών σημάτων EEG που αποτελούν ηλεκτρικά σήματα (πλάτος τάσης σε μV ανά χρονική στιγμή) σε διανύσματα ν διάστασης, όπου ν είναι το πλήθος των χαρακτηριστικών που εξάγονται για κάθε δείγμα του συνόλου δεδομένων. Στη συνέχεια, επιλέγονται τα σημαντικότερα χαρακτηριστικά για την ακριβέστερη και πιο συμπαγή αναπαράσταση των δεδομένων χρησιμοποιώντας τεχνικές μηχανικής μάθησης. Τέλος, με τη μέθοδο των μηχανών διανυσματικής στήριξης (Support Vector Machine, SVM) τα μετασχηματισμένα δεδομένα ταξινομούνται σε δύο κλάσεις, που αντιστοιχούν στο φύλο του ατόμου στο οποίο ανήκει το κάθε διάνυσμα (άντρας/ γυναίκα). Όλα τα πειράματα διεξήχθηκαν στο περιβάλλον της Matlab. Η ακρίβεια του κάθε πειράματος εξετάστηκε και συγκρίθηκε με αυτή όλων των υπόλοιπων για την εξαγωγή συμπερασμάτων για την πιο κατάλληλη προσέγγιση του συγκεκριμένου προβλήματος.