Аналіз електричної активності мозку для дослідження впливу больового стимулу на новонароджених

Скорочена інформація про документ
dc.contributor.advisorІванько, Катерина Олегівна
dc.contributor.authorРезніченко, Данило Тарасович
dc.date.accessioned2026-01-14T13:46:04Z
dc.date.available2026-01-14T13:46:04Z
dc.date.issued2024
dc.description.abstractМетою даної роботи є створення методу виявлення болю у новонароджених за допомогою аналізу параметрів сигналів електроенцефалограми (ЕЕГ) методами машинного навчання (МН). Об’єктом дослідження є дані ЕЕГ новонароджених. Предметом дослідження є моделі машинного навчання для аналізу параметрів сигналів ЕЕГ з метою виявлення болю у новонароджених. У першому розділі розглянуто основні принципи ЕЕГ, описано систему електродів ЕЕГ, а також нейрофізіологічні процеси, що відповідають за певні частотні інтервали (ритми) ЕЕГ. Другий розділ присвячений розгляду основних принципів машинного навчання. Описано різні моделі класифікаторів, їх переваги та недоліки. Розглянуто традиційні методи оцінки болю у новонароджених та їх обмеження. Також проведено аналіз попередніх дослідження щодо аналізу ЕЕГ методами МН для детектування болю у новонароджених. Наведено результати цих досліджень. У третьому розділі описано підготовку сигналів для машинного навчання, а також їх аналізу. Описано використані методи налаштування моделей МН та методи відбору найефективнішої підмножини ознак. Також у даному розділі описано веб-застосунок, що було реалізовано для автоматизації рутинних операцій, пов'язаних з обробкою даних та навчанням моделей. У результаті проведеної роботи було реалізовано програмне забезпечення для аналізу біомедичних сигналів, генерування та обробки ознак цих сигналів, а також налаштування та навчання класифікаторів. Було отримано моделі МН для детектування болю у новонароджених та визначення його рівню.
dc.description.abstractotherThe aim of this work is to create a method for detecting pain in newborns by analyzing electroencephalogram (EEG) signal parameters using machine learning (ML) methods. The object of the study is EEG data of newborns. The subject of the study is machine learning models for analyzing EEG signal parameters to detect pain in newborns. The first section discusses the basic principles of EEG, describes the EEG electrode system, as well as neurophysiological processes responsible for certain frequency intervals (rhythms) of EEG. The second section is devoted to considering the basic principles of machine learning. Various models of classifiers, their advantages and disadvantages are described. Traditional methods for assessing pain in newborns and their limitations are considered. An analysis of previous studies on EEG analysis using ML methods for detecting pain in newborns is also conducted. The results of these studies are presented. The third section describes the preparation of signals for machine learning, as well as their analysis. The used methods for tuning ML models and methods for selecting the most effective subset of features are described. This section also describes a web application that was implemented to automate routine operations related to data processing and model training. As a result of the work, software was implemented for analyzing biomedical signals, generating and processing features of these signals, as well as configuring and training classifiers. MN models were obtained for detecting pain in newborns and determining its level.
dc.format.extent71 с.
dc.identifier.citationРезніченко, Д. Т. Аналіз електричної активності мозку для дослідження впливу больового стимулу на новонароджених : магістерська дис. : 176 Мікро- та наносистемна техніка / Резніченко Данило Тарасович. – Київ, 2024. – 71 с.
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/78110
dc.language.isouk
dc.publisherКПІ ім. Ігоря Сікорського
dc.publisher.placeКиїв
dc.subjectЕЕГ
dc.subjectновонароджені
dc.subjectмашинне навчання
dc.titleАналіз електричної активності мозку для дослідження впливу больового стимулу на новонароджених
dc.typeMaster Thesis

Файли

Контейнер файлів
Зараз показуємо 1 - 1 з 1
Ескіз
Назва:
Reznichenko_magistr.pdf
Розмір:
3.57 MB
Формат:
Adobe Portable Document Format
Завантажити
Ліцензійна угода
Зараз показуємо 1 - 1 з 1
Ескіз недоступний
Назва:
license.txt
Розмір:
8.98 KB
Формат:
Item-specific license agreed upon to submission
Опис:
Завантажити

Зібрання

Магістерські роботи (ЕІ)
Магістерські роботи