Σχεδιασμός και υλοποίηση διεπαφής εγκεφάλου - υπολογιστή (brain computer interface) με χρήση τεχνικών μηχανικής μάθησης και μηχανισμών αυτοανάδρασης
Αδιαμφισβήτητα, με την πάροδο των χρόνων η έρευνα έχει προχωρήσει σε σημαντικό βαθμό και πολλά επιστημονικά κέντρα σε όλο τον πλανήτη επιδιώκουν την δημιουργία εφαρμογών με σκοπό την καλυτέρευση του βιοτικού επιπέδου των ανθρώπων. Σε αυτά τα πλαίσια έχουν δημιουργηθεί πληθώρα συστημάτων αλληλεπί...
| Κύριος συγγραφέας: | |
|---|---|
| Άλλοι συγγραφείς: | |
| Γλώσσα: | Greek |
| Έκδοση: |
2022
|
| Θέματα: | |
| Διαθέσιμο Online: | https://nemertes.library.upatras.gr/handle/10889/23387 |
| id |
nemertes-10889-23387 |
|---|---|
| record_format |
dspace |
| institution |
UPatras |
| collection |
Nemertes |
| language |
Greek |
| topic |
Διεπαφή εγκεφάλου υπολογιστή Μηχανική μάθηση Νοερές κινήσεις Κοινά χωρικά πρότυπα Γραμμική διαχωριστική ανάλυση Imaginary movement BCI competition Machine learning Common spatial patterns Linear discriminant analysis |
| spellingShingle |
Διεπαφή εγκεφάλου υπολογιστή Μηχανική μάθηση Νοερές κινήσεις Κοινά χωρικά πρότυπα Γραμμική διαχωριστική ανάλυση Imaginary movement BCI competition Machine learning Common spatial patterns Linear discriminant analysis Λιόντου, Αγάπη Κωνσταντίνα Σχεδιασμός και υλοποίηση διεπαφής εγκεφάλου - υπολογιστή (brain computer interface) με χρήση τεχνικών μηχανικής μάθησης και μηχανισμών αυτοανάδρασης |
| description |
Αδιαμφισβήτητα, με την πάροδο των χρόνων η έρευνα έχει προχωρήσει σε
σημαντικό βαθμό και πολλά επιστημονικά κέντρα σε όλο τον πλανήτη επιδιώκουν
την δημιουργία εφαρμογών με σκοπό την καλυτέρευση του βιοτικού επιπέδου των
ανθρώπων. Σε αυτά τα πλαίσια έχουν δημιουργηθεί πληθώρα συστημάτων
αλληλεπίδρασης μεταξύ του υπολογιστή και του ανθρώπινου εγκεφάλου. Ένα
τέτοιο σύστημα είναι και το BCI: brain computer interface δηλαδή η διεπαφή
υπολογιστή-εγκεφάλου. Το σύστημα αυτό καταγράφει την εγκεφαλική
δραστηριότητα (στην δική μας περίπτωση μέσω ηλεκτροεγκεφαλογραφήματος)
κατά τη διάρκεια της σκέψης κίνησης των άκρων (imaginary movement), και
ύστερα από κατάλληλη επεξεργασία παράγει εκείνη την έξοδο που δύναται να
χρησιμοποιηθεί σαν εντολή για εξωτερικού τύπου συσκευές, με σχετική ευκολία και
αξιοπιστία.
Στην συγκεκριμένη διπλωματική στοχεύουμε στην εξοικείωση με τέτοιου είδους
συστήματα. Το πρώτο μέρος της εργασίας καταπιάνεται με το θεωρητικό
υπόβαθρο όσο αφορά τον ανθρώπινο εγκέφαλο, την γνώση που απαιτείται για
να είναι κατανοητό ένα BCI system (όπως είναι τα δομικά στοιχεία) καθώς επίσης
και τις τεχνικές της επεξεργασίας σημάτων και της μηχανικής μάθησης
προκειμένου να είναι δυνατή η υλοποίηση ενός τέτοιου συστήματος.
Στο δεύτερο μέρος περιγράφεται η διαδικασία υλοποίησης του συστήματος
αυτού με σκοπό την διάκριση του imaginary movement του αριστερού ή του
δεξιού χεριού, έχοντας σαν δεδομένα σήματα εγκεφαλογραφήματος που
βρίσκονται σε υπάρχουσες βάσεις δεδομένων στο διαδίκτυο. Για τον σκοπό αυτό
χρησιμοποιήθηκαν φίλτρα για την προεπεξεργασία του σήματος, η μέθοδος των
Κοινών Χωρικών Προτύπων για την εξαγωγή χαρακτηριστικών καθώς και δύο
τεχνικές μηχανικής μάθησης (Linear Discriminant Analysis, Support Vector
Machines) για την δημιουργία του μοντέλου μετάφρασης των δεδομένων σε
κίνηση δεξιού και αριστερού χεριού. Για την αξιολόγηση της απόδοσης του
συστήματος χρησιμοποιήθηκαν διάφορες μετρικές.
Για την υλοποίηση των παραπάνω, χρησιμοποιήθηκε η Python καθώς επίσης και
η πλατφόρμα MNE. |
| author2 |
Liontou, Agapi Konstantina |
| author_facet |
Liontou, Agapi Konstantina Λιόντου, Αγάπη Κωνσταντίνα |
| author |
Λιόντου, Αγάπη Κωνσταντίνα |
| author_sort |
Λιόντου, Αγάπη Κωνσταντίνα |
| title |
Σχεδιασμός και υλοποίηση διεπαφής εγκεφάλου - υπολογιστή (brain computer interface) με χρήση τεχνικών μηχανικής μάθησης και μηχανισμών αυτοανάδρασης |
| title_short |
Σχεδιασμός και υλοποίηση διεπαφής εγκεφάλου - υπολογιστή (brain computer interface) με χρήση τεχνικών μηχανικής μάθησης και μηχανισμών αυτοανάδρασης |
| title_full |
Σχεδιασμός και υλοποίηση διεπαφής εγκεφάλου - υπολογιστή (brain computer interface) με χρήση τεχνικών μηχανικής μάθησης και μηχανισμών αυτοανάδρασης |
| title_fullStr |
Σχεδιασμός και υλοποίηση διεπαφής εγκεφάλου - υπολογιστή (brain computer interface) με χρήση τεχνικών μηχανικής μάθησης και μηχανισμών αυτοανάδρασης |
| title_full_unstemmed |
Σχεδιασμός και υλοποίηση διεπαφής εγκεφάλου - υπολογιστή (brain computer interface) με χρήση τεχνικών μηχανικής μάθησης και μηχανισμών αυτοανάδρασης |
| title_sort |
σχεδιασμός και υλοποίηση διεπαφής εγκεφάλου - υπολογιστή (brain computer interface) με χρήση τεχνικών μηχανικής μάθησης και μηχανισμών αυτοανάδρασης |
| publishDate |
2022 |
| url |
https://nemertes.library.upatras.gr/handle/10889/23387 |
| work_keys_str_mv |
AT liontouagapēkōnstantina schediasmoskaiylopoiēsēdiepaphēsenkephalouypologistēbraincomputerinterfacemechrēsētechnikōnmēchanikēsmathēsēskaimēchanismōnautoanadrasēs AT liontouagapēkōnstantina designandimplementationofabraincomputerinterfaceusingmachinelearningtechniques |
| _version_ |
1771297231236759552 |
| spelling |
nemertes-10889-233872022-10-14T03:34:52Z Σχεδιασμός και υλοποίηση διεπαφής εγκεφάλου - υπολογιστή (brain computer interface) με χρήση τεχνικών μηχανικής μάθησης και μηχανισμών αυτοανάδρασης Design and implementation of a brain-computer interface using machine learning techniques Λιόντου, Αγάπη Κωνσταντίνα Liontou, Agapi Konstantina Διεπαφή εγκεφάλου υπολογιστή Μηχανική μάθηση Νοερές κινήσεις Κοινά χωρικά πρότυπα Γραμμική διαχωριστική ανάλυση Imaginary movement BCI competition Machine learning Common spatial patterns Linear discriminant analysis Αδιαμφισβήτητα, με την πάροδο των χρόνων η έρευνα έχει προχωρήσει σε σημαντικό βαθμό και πολλά επιστημονικά κέντρα σε όλο τον πλανήτη επιδιώκουν την δημιουργία εφαρμογών με σκοπό την καλυτέρευση του βιοτικού επιπέδου των ανθρώπων. Σε αυτά τα πλαίσια έχουν δημιουργηθεί πληθώρα συστημάτων αλληλεπίδρασης μεταξύ του υπολογιστή και του ανθρώπινου εγκεφάλου. Ένα τέτοιο σύστημα είναι και το BCI: brain computer interface δηλαδή η διεπαφή υπολογιστή-εγκεφάλου. Το σύστημα αυτό καταγράφει την εγκεφαλική δραστηριότητα (στην δική μας περίπτωση μέσω ηλεκτροεγκεφαλογραφήματος) κατά τη διάρκεια της σκέψης κίνησης των άκρων (imaginary movement), και ύστερα από κατάλληλη επεξεργασία παράγει εκείνη την έξοδο που δύναται να χρησιμοποιηθεί σαν εντολή για εξωτερικού τύπου συσκευές, με σχετική ευκολία και αξιοπιστία. Στην συγκεκριμένη διπλωματική στοχεύουμε στην εξοικείωση με τέτοιου είδους συστήματα. Το πρώτο μέρος της εργασίας καταπιάνεται με το θεωρητικό υπόβαθρο όσο αφορά τον ανθρώπινο εγκέφαλο, την γνώση που απαιτείται για να είναι κατανοητό ένα BCI system (όπως είναι τα δομικά στοιχεία) καθώς επίσης και τις τεχνικές της επεξεργασίας σημάτων και της μηχανικής μάθησης προκειμένου να είναι δυνατή η υλοποίηση ενός τέτοιου συστήματος. Στο δεύτερο μέρος περιγράφεται η διαδικασία υλοποίησης του συστήματος αυτού με σκοπό την διάκριση του imaginary movement του αριστερού ή του δεξιού χεριού, έχοντας σαν δεδομένα σήματα εγκεφαλογραφήματος που βρίσκονται σε υπάρχουσες βάσεις δεδομένων στο διαδίκτυο. Για τον σκοπό αυτό χρησιμοποιήθηκαν φίλτρα για την προεπεξεργασία του σήματος, η μέθοδος των Κοινών Χωρικών Προτύπων για την εξαγωγή χαρακτηριστικών καθώς και δύο τεχνικές μηχανικής μάθησης (Linear Discriminant Analysis, Support Vector Machines) για την δημιουργία του μοντέλου μετάφρασης των δεδομένων σε κίνηση δεξιού και αριστερού χεριού. Για την αξιολόγηση της απόδοσης του συστήματος χρησιμοποιήθηκαν διάφορες μετρικές. Για την υλοποίηση των παραπάνω, χρησιμοποιήθηκε η Python καθώς επίσης και η πλατφόρμα MNE. Undoubtedly, over the years, research has progressed to a significant extent and many scientific centers around the world seek to create applications in order to improve people's living standards. In these contexts, numerous systems of interaction between the computer and the human brain have been created. One such system is the BCI: brain computer interface. This system records brain activity during an imaginary task of the subject (in our case through an electroencephalogram), and after appropriate processing produces that output that can be used as a command for external devices, with ease and reliability. In this diploma thesis we aim to familiarize ourselves with such systems. The first part of the thesis deals with the theoretical background for the human brain, the knowledge which is required to understand a BCI system (such as the structural elements) as well as the techniques from the area of signal processing and machine learning in order to make possible the implementation of such a system. In the second part, we describe the implementation process of this system, in order to distinguish the imaginary movement of the left or right hand. Our data is EEG signals found in already proposed and used databases by researchers worldwide, recorded during imaginary movements of the subjects hands. For this purpose, filters were used for signal pre-processing, the method of Common Spatial Patterns for feature extraction as well as two machine learning techniques (LDA, SVM) to create the data translation model into right- and left hand movement. Various metrics were used to evaluate the performance of the system. For the implementation of the above, we used Python as well as the MNE platform. 2022-10-13T11:10:09Z 2022-10-13T11:10:09Z 2022-10-07 https://nemertes.library.upatras.gr/handle/10889/23387 el application/pdf |
