Υλοποίηση νευρωνικού δικτύου για την ανίχνευση των υπνικών ατράκτων
Τα τελευταία χρόνια όλο και περισσότερο σε διάφορους επιστημονικούς κλάδους κάνουν την εμφάνιση τους τα τεχνητά νευρωνικά δίκτυα τα οποία χρησιμοποιούνται σε πλήθος εφαρμογών. Στο πλαίσιο αυτό και πιο συγκεκριμένα στο κλάδο της βιοιατρικής έγινε χρήση τους για την μελέτη των κυματομορφών του ηλεκτρο...
Κύριος συγγραφέας: | |
---|---|
Άλλοι συγγραφείς: | |
Γλώσσα: | Greek |
Έκδοση: |
2020
|
Θέματα: | |
Διαθέσιμο Online: | http://hdl.handle.net/10889/13853 |
id |
nemertes-10889-13853 |
---|---|
record_format |
dspace |
spelling |
nemertes-10889-138532022-09-05T14:06:49Z Υλοποίηση νευρωνικού δικτύου για την ανίχνευση των υπνικών ατράκτων Implementation of neural network for detection of sleep spindles Βακαλάκης, Κωνσταντίνος Vakalakis, Konstantinos Ηλεκτροεγκεφαλογράφημα (ΗΕΓ) Νευρωνικά δίκτυα Υπνική άτρακτος Electroencephalogram (EEG) Neural networks Sleep spindle FPGA Zyng-7000 Server-client Τα τελευταία χρόνια όλο και περισσότερο σε διάφορους επιστημονικούς κλάδους κάνουν την εμφάνιση τους τα τεχνητά νευρωνικά δίκτυα τα οποία χρησιμοποιούνται σε πλήθος εφαρμογών. Στο πλαίσιο αυτό και πιο συγκεκριμένα στο κλάδο της βιοιατρικής έγινε χρήση τους για την μελέτη των κυματομορφών του ηλεκτροεγκεφαλογραφήματος με στόχο την πρόωρη πρόληψη ασθενειών. Μια κυματομορφή που αναλύεται για αυτούς τους σκοπούς είναι η υπνική άτρακτος που εμφανίζεται κατά τη διάρκεια του ύπνου. Παράλληλα αξιοσημείωτη είναι και η τεχνολογική ανάπτυξη των τεχνολογιών στα ολοκληρωμένα κυκλώματα των FPGA. Πιο συγκεκριμένα η τεχνολογία Zyng-7000 SoC συνδυάζει τα FPGA με ένα ολοκληρωμένο σύστημα επεξεργαστή παρέχοντας στους σχεδιαστές τη δυνατότητα να υλοποιούν συστήματα και εφαρμογές με πολύ μεγάλες απαιτήσεις. Στη παρούσα διπλωματική εργασία κατασκευάστηκε ένα τεχνητό νευρωνικό δίκτυο για την ανίχνευση των υπνικών ατράκτων και εν συνεχεία υλοποιήθηκε σε board τεχνολογίας Zyng-7000. Αρχικά έγινε μια επιβλεπόμενη εκπαίδευση στο τεχνητό νευρωνικό δίκτυο χρησιμοποιώντας για το σκοπό ένα ζεύγος εισόδου και επιθυμητής τιμής εξόδου. Το σήμα εισόδου ήταν ένα φιλτραρισμένο ΗΕΓ. Το εκπαιδευμένο αυτό δίκτυο είναι το θεωρητικό μοντέλο το οποίο στη συνέχεια υλοποιείται στο board. Η μεταφορά των δεδομένων εισόδου και εξόδου του board πραγματοποιήθηκε μέσω ενός ζεύγους server-client, με χρήση καλωδίου, και του πρωτοκόλλου TCP/IP. Tον ρόλο του server ανέλαβε το board με στόχο να εξυπηρετεί οποιονδήποτε client που συνδέεται σε αυτόν. Στο τέλος πραγματοποιήθηκε η σύγκριση του θεωρητικού μοντέλου και της υλοποίησης στο hardware για την αξιολόγηση της hardware σχεδίασης. Over the past years more and more in various scientific fields appeared artificial neural networks that have been used for several applications. Towards this direction, in the field of biomedicine, it has been proposed to study the electroencephalogram waveforms with the aim of early prevention of diseases. One waveform analyzed for these purposes is the sleep spindle that occurs during sleep. At the same time, the technological development in FPGA integrated circuits is remarkable. More specifically, Zyng-7000 Soc technology combines FPGAs with an integrated processor system enabling designers to implement systems and application with very high requirements. In the present dissertation, an artificial neural network was constructed for the detection of sleep spindle and then it was implemented on a Zyng-7000 board. At first, a supervised training was performed on the artificial neural network by using a pair of desired input and output value. The input signal was a filtered EEG. This trained network is the theoretical model which is later implemented on the board. The transfer of input and output data of board was accomplished through the pair of server-client, which was connected using wire, and the TCP/IP protocol. The board assumed the role of the server in order to serve any client that connects to it. At the end, the theoretical model and the hardware implementation were compared in order to evaluate the design of the hardware. 2020-10-02T08:42:41Z 2020-10-02T08:42:41Z 2020-09-08 http://hdl.handle.net/10889/13853 gr application/pdf |
institution |
UPatras |
collection |
Nemertes |
language |
Greek |
topic |
Ηλεκτροεγκεφαλογράφημα (ΗΕΓ) Νευρωνικά δίκτυα Υπνική άτρακτος Electroencephalogram (EEG) Neural networks Sleep spindle FPGA Zyng-7000 Server-client |
spellingShingle |
Ηλεκτροεγκεφαλογράφημα (ΗΕΓ) Νευρωνικά δίκτυα Υπνική άτρακτος Electroencephalogram (EEG) Neural networks Sleep spindle FPGA Zyng-7000 Server-client Βακαλάκης, Κωνσταντίνος Υλοποίηση νευρωνικού δικτύου για την ανίχνευση των υπνικών ατράκτων |
description |
Τα τελευταία χρόνια όλο και περισσότερο σε διάφορους επιστημονικούς κλάδους κάνουν την εμφάνιση τους τα τεχνητά νευρωνικά δίκτυα τα οποία χρησιμοποιούνται σε πλήθος εφαρμογών. Στο πλαίσιο αυτό και πιο συγκεκριμένα στο κλάδο της βιοιατρικής έγινε χρήση τους για την μελέτη των κυματομορφών του ηλεκτροεγκεφαλογραφήματος με στόχο την πρόωρη πρόληψη ασθενειών. Μια κυματομορφή που αναλύεται για αυτούς τους σκοπούς είναι η υπνική άτρακτος που εμφανίζεται κατά τη διάρκεια του ύπνου. Παράλληλα αξιοσημείωτη είναι και η τεχνολογική ανάπτυξη των τεχνολογιών στα ολοκληρωμένα κυκλώματα των FPGA. Πιο συγκεκριμένα η τεχνολογία Zyng-7000 SoC συνδυάζει τα FPGA με ένα ολοκληρωμένο σύστημα επεξεργαστή παρέχοντας στους σχεδιαστές τη δυνατότητα να υλοποιούν συστήματα και εφαρμογές με πολύ μεγάλες απαιτήσεις. Στη παρούσα διπλωματική εργασία κατασκευάστηκε ένα τεχνητό νευρωνικό δίκτυο για την ανίχνευση των υπνικών ατράκτων και εν συνεχεία υλοποιήθηκε σε board τεχνολογίας Zyng-7000. Αρχικά έγινε μια επιβλεπόμενη εκπαίδευση στο τεχνητό νευρωνικό δίκτυο χρησιμοποιώντας για το σκοπό ένα ζεύγος εισόδου και επιθυμητής τιμής εξόδου. Το σήμα εισόδου ήταν ένα φιλτραρισμένο ΗΕΓ. Το εκπαιδευμένο αυτό δίκτυο είναι το θεωρητικό μοντέλο το οποίο στη συνέχεια υλοποιείται στο board. Η μεταφορά των δεδομένων εισόδου και εξόδου του board πραγματοποιήθηκε μέσω ενός ζεύγους server-client, με χρήση καλωδίου, και του πρωτοκόλλου TCP/IP. Tον ρόλο του server ανέλαβε το board με στόχο να εξυπηρετεί οποιονδήποτε client που συνδέεται σε αυτόν. Στο τέλος πραγματοποιήθηκε η σύγκριση του θεωρητικού μοντέλου και της υλοποίησης στο hardware για την αξιολόγηση της hardware σχεδίασης. |
author2 |
Vakalakis, Konstantinos |
author_facet |
Vakalakis, Konstantinos Βακαλάκης, Κωνσταντίνος |
author |
Βακαλάκης, Κωνσταντίνος |
author_sort |
Βακαλάκης, Κωνσταντίνος |
title |
Υλοποίηση νευρωνικού δικτύου για την ανίχνευση των υπνικών ατράκτων |
title_short |
Υλοποίηση νευρωνικού δικτύου για την ανίχνευση των υπνικών ατράκτων |
title_full |
Υλοποίηση νευρωνικού δικτύου για την ανίχνευση των υπνικών ατράκτων |
title_fullStr |
Υλοποίηση νευρωνικού δικτύου για την ανίχνευση των υπνικών ατράκτων |
title_full_unstemmed |
Υλοποίηση νευρωνικού δικτύου για την ανίχνευση των υπνικών ατράκτων |
title_sort |
υλοποίηση νευρωνικού δικτύου για την ανίχνευση των υπνικών ατράκτων |
publishDate |
2020 |
url |
http://hdl.handle.net/10889/13853 |
work_keys_str_mv |
AT bakalakēskōnstantinos ylopoiēsēneurōnikoudiktyougiatēnanichneusētōnypnikōnatraktōn AT bakalakēskōnstantinos implementationofneuralnetworkfordetectionofsleepspindles |
_version_ |
1771297261291044864 |