Σύστημα κατηγοριοποίησης κίνησης οφθαλμών από εγκεφαλογράφημα
Βασικός στόχος του ηλεκτροεγκεφαλογραφήματος είναι να ανιχνεύει την δραστηριότητα των νευρώνων στον εγκέφαλο. Όμως, κατά τη διαδικασία της ηλεκτροεγκεφαλογράφησης, καταγράφεται και η ηλεκτρική δραστηριότητα που προκύπτει από τις κινήσεις των οφθαλμών. Πρόκειται για την κίνηση των οφθαλμών προς τα αρ...
| Κύριος συγγραφέας: | |
|---|---|
| Άλλοι συγγραφείς: | |
| Γλώσσα: | Greek |
| Έκδοση: |
2021
|
| Θέματα: | |
| Διαθέσιμο Online: | http://hdl.handle.net/10889/15440 |
| id |
nemertes-10889-15440 |
|---|---|
| record_format |
dspace |
| spelling |
nemertes-10889-154402022-09-05T09:41:46Z Σύστημα κατηγοριοποίησης κίνησης οφθαλμών από εγκεφαλογράφημα Classification system for recognizing eye movements from EEG data Ζούλφος, Γεώργιος Zoulfos, Georgios Ηλεκτροεγκεφαλογράφημα (ΗΕΓ) Αναγνώριση οφθαλμικών κινήσεων Κατηγοριοποίηση Electroencephalography Recognizing eye movements Classification Βασικός στόχος του ηλεκτροεγκεφαλογραφήματος είναι να ανιχνεύει την δραστηριότητα των νευρώνων στον εγκέφαλο. Όμως, κατά τη διαδικασία της ηλεκτροεγκεφαλογράφησης, καταγράφεται και η ηλεκτρική δραστηριότητα που προκύπτει από τις κινήσεις των οφθαλμών. Πρόκειται για την κίνηση των οφθαλμών προς τα αριστερά, τα δεξιά και το άνοιγμα και κλείσιμο των βλεφάρων. Οι κινήσεις αυτές παράγουν συγκεκριμένα σήματα, τα οποία καταγράφονται με ηλεκτρόδια που τοποθετούνται στο μπροστινό μέρος του κρανίου. Στόχος αυτής της διπλωματικής εργασίας είναι η αναγνώριση και η σωστή κατηγοριοποίηση αυτών των κινήσεων. Προκειμένου να ολοκληρωθεί η παρούσα εργασία, ήταν απαραίτητο να καταγραφούν δεδομένα ηλεκτροεγκεφαλογραφήματος, τα οποία θα περιέχουν και τις αντίστοιχες κινήσεις των οφθαλμών. Η καταγραφή αυτή έγινε με τη χρήση του Emotiv EPOC Neuroheadset. Έπειτα, δοκιμάστηκε μια τεχνική η οποία βασίζεται στην χρήση Common Spatial Pattern φίλτρων για την εξαγωγή των χαρακτηριστικών της κάθε κλάσης. Για την κατηγοριοποίηση των δεδομένων, απαιτείται η εκπαίδευση τεσσάρων SVM κατηγοριοποιητών, όπου ο κάθε ένας αναγνωρίζει μεταξύ των δεδομένων μιας κλάσης και των δεδομένων όλων των υπόλοιπων κλάσεων. Στη συνέχεια αναπτύχθηκε μια καινούρια μέθοδος, η οποία βασίζεται σε δύο βασικές ιδιότητες των δεδομένων. Από τη μια, τα σήματα που περιέχουν κινήσεις των οφθαλμών έχουν συγκεκριμένη μορφή, ενώ τα σήματα της υπόλοιπης εγκεφαλικής δραστηριότητας φέρουν αρκετά λιγότερη ενέργεια. Η μέθοδος αυτή, εξάγει τα αντιπροσωπευτικά σήματα στις κλάσεις που περιέχουν τις τρεις κινήσεις των οφθαλμών και τα χρησιμοποιεί στην κατηγοριοποίηση μιας νέας καταγραφής. Αντίθετα, στην κλάση των δεδομένων της υπόλοιπης εγκεφαλικής δραστηριότητας, υπολογίζεται η ενέργεια που φέρουν τα σήματα σε μια περιοχή γύρω από την μεγαλύτερη κορυφή τους. The basic target of an electroencephalogram is to detect the activity of the brain’s neurons. However, during this procedure, it is recorded the electrical activity which occurs from the eye’s movement. Especially, while staring to the right or left direction and during the blink of the eyelashes. These motions produce specific signals, which are recorded by the electrodes which are attached to the front of the head. This work’s ambition is to recognize and categorize accurately these movements. To complete this task, it is vital to record electroencephalogram’s data, which include the corresponding eye’s movements. This recording was accomplished with the usage of the Emotiv EPOC Neuroheadset. Initially, in these data, was implemented a technique which exploits Common Spatial Pattern filters, so as to extract the characteristics of each class. For conducting the categorization, the training of four one class SVM classifiers is demanded, which discriminate the data which belong in one class from all the others. Afterwards, a new method was developed, which depends on two crucial attributes of the data. Firstly, the signals which include eye movement follow a certain form. Secondly, signals which account for parts of the rest of the brain’s activity, feature significantly less energy. This method extracts the representative signals of the involved eye movement classes and uses them in order to categorize a new recording. Concerning the class which contains the rest of the brain’s activity data, it is calculated the energy featured in an area around their highest point. 2021-10-25T05:30:43Z 2021-10-25T05:30:43Z 2021-10 http://hdl.handle.net/10889/15440 gr application/pdf |
| institution |
UPatras |
| collection |
Nemertes |
| language |
Greek |
| topic |
Ηλεκτροεγκεφαλογράφημα (ΗΕΓ) Αναγνώριση οφθαλμικών κινήσεων Κατηγοριοποίηση Electroencephalography Recognizing eye movements Classification |
| spellingShingle |
Ηλεκτροεγκεφαλογράφημα (ΗΕΓ) Αναγνώριση οφθαλμικών κινήσεων Κατηγοριοποίηση Electroencephalography Recognizing eye movements Classification Ζούλφος, Γεώργιος Σύστημα κατηγοριοποίησης κίνησης οφθαλμών από εγκεφαλογράφημα |
| description |
Βασικός στόχος του ηλεκτροεγκεφαλογραφήματος είναι να ανιχνεύει την δραστηριότητα των νευρώνων στον εγκέφαλο. Όμως, κατά τη διαδικασία της ηλεκτροεγκεφαλογράφησης, καταγράφεται και η ηλεκτρική δραστηριότητα που προκύπτει από τις κινήσεις των οφθαλμών. Πρόκειται για την κίνηση των οφθαλμών προς τα αριστερά, τα δεξιά και το άνοιγμα και κλείσιμο των βλεφάρων. Οι κινήσεις αυτές παράγουν συγκεκριμένα σήματα, τα οποία καταγράφονται με ηλεκτρόδια που τοποθετούνται στο μπροστινό μέρος του κρανίου. Στόχος αυτής της διπλωματικής εργασίας είναι η αναγνώριση και η σωστή κατηγοριοποίηση αυτών των κινήσεων.
Προκειμένου να ολοκληρωθεί η παρούσα εργασία, ήταν απαραίτητο να καταγραφούν δεδομένα ηλεκτροεγκεφαλογραφήματος, τα οποία θα περιέχουν και τις αντίστοιχες κινήσεις των οφθαλμών. Η καταγραφή αυτή έγινε με τη χρήση του Emotiv EPOC Neuroheadset. Έπειτα, δοκιμάστηκε μια τεχνική η οποία βασίζεται στην χρήση Common Spatial Pattern φίλτρων για την εξαγωγή των χαρακτηριστικών της κάθε κλάσης. Για την κατηγοριοποίηση των δεδομένων, απαιτείται η εκπαίδευση τεσσάρων SVM κατηγοριοποιητών, όπου ο κάθε ένας αναγνωρίζει μεταξύ των δεδομένων μιας κλάσης και των δεδομένων όλων των υπόλοιπων κλάσεων. Στη συνέχεια αναπτύχθηκε μια καινούρια μέθοδος, η οποία βασίζεται σε δύο βασικές ιδιότητες των δεδομένων. Από τη μια, τα σήματα που περιέχουν κινήσεις των οφθαλμών έχουν συγκεκριμένη μορφή, ενώ τα σήματα της υπόλοιπης εγκεφαλικής δραστηριότητας φέρουν αρκετά λιγότερη ενέργεια. Η μέθοδος αυτή, εξάγει τα αντιπροσωπευτικά σήματα στις κλάσεις που περιέχουν τις τρεις κινήσεις των οφθαλμών και τα χρησιμοποιεί στην κατηγοριοποίηση μιας νέας καταγραφής. Αντίθετα, στην κλάση των δεδομένων της υπόλοιπης εγκεφαλικής δραστηριότητας, υπολογίζεται η ενέργεια που φέρουν τα σήματα σε μια περιοχή γύρω από την μεγαλύτερη κορυφή τους. |
| author2 |
Zoulfos, Georgios |
| author_facet |
Zoulfos, Georgios Ζούλφος, Γεώργιος |
| author |
Ζούλφος, Γεώργιος |
| author_sort |
Ζούλφος, Γεώργιος |
| title |
Σύστημα κατηγοριοποίησης κίνησης οφθαλμών από εγκεφαλογράφημα |
| title_short |
Σύστημα κατηγοριοποίησης κίνησης οφθαλμών από εγκεφαλογράφημα |
| title_full |
Σύστημα κατηγοριοποίησης κίνησης οφθαλμών από εγκεφαλογράφημα |
| title_fullStr |
Σύστημα κατηγοριοποίησης κίνησης οφθαλμών από εγκεφαλογράφημα |
| title_full_unstemmed |
Σύστημα κατηγοριοποίησης κίνησης οφθαλμών από εγκεφαλογράφημα |
| title_sort |
σύστημα κατηγοριοποίησης κίνησης οφθαλμών από εγκεφαλογράφημα |
| publishDate |
2021 |
| url |
http://hdl.handle.net/10889/15440 |
| work_keys_str_mv |
AT zoulphosgeōrgios systēmakatēgoriopoiēsēskinēsēsophthalmōnapoenkephalographēma AT zoulphosgeōrgios classificationsystemforrecognizingeyemovementsfromeegdata |
| _version_ |
1771297189564252160 |
