Izlučivanje značajki iz elektroencefalograma i klasifikacija u svrhu detekcije pospanosti primjenom umjetnih neuronskih mreža (CROSBI ID 436900)
Ocjenski rad | diplomski rad
Podaci o odgovornosti
Franjić, Petra
Cifrek, Mario
Friganović, Krešimir
hrvatski
Izlučivanje značajki iz elektroencefalograma i klasifikacija u svrhu detekcije pospanosti primjenom umjetnih neuronskih mreža
U ovom radu ispitana je uspješnost razlicitih tipova neuronskih mreža u zadatku detekcije pospanosti na temelju jednog kanala elektroencefalografskog (EEG) zapisa. U sklopu rada, na temelju EEG signala ekstrahiran je skup znacajki u razlicitim domenama analize. Postupkom selekcije znacajki generirani su razliciti podskupovi znacajki koji su zatim ispitani u radu sa skupom klasifikatora. Kao najbolji klasifikator istaknula se mreža s povratnim slojevima koja je u kombinaciji s 4 ekstrahirane znacajke postigla srednju ukupnu tocnost klasifikacije razlicitih stanja svijesti u iznosu 83, 3% i Cohenov kappa koeficijent 0, 73. Isti klasifikator je u kombinaciji s 20 znacajki ostvario i najbolju postignutu detekciju pospanosti, koja je iznosila 55%. Ispitivanje je provedeno na javno dostupnoj Physionet Sleep-EDF [Expanded] bazi polisomnografskih snimaka.
elektroencefalografija ; detekcija pospanosti ; neuronske mreže ; povratne neuronske mreže ; obrada biomedicinskih signala
nije evidentirano
engleski
Feature Extraction from Electroencephalogram and Drowsiness Classification Using Artificial Neural Networks
nije evidentirano
electroencephalography ; drowsiness detection ; neural networks ; recurrent neural networks ; biomedical signal processing
nije evidentirano
Podaci o izdanju
64
04.07.2017.
obranjeno
Podaci o ustanovi koja je dodijelila akademski stupanj
Fakultet elektrotehnike i računarstva
Zagreb