Метод обробки сигналів енцефалограми за допомогою нейронної мережі
| dc.contributor.advisor | Перегудов, Сергій Миколайович | |
| dc.contributor.author | Тележинський, Володимир Дмитрович | |
| dc.date.accessioned | 2024-02-14T10:30:57Z | |
| dc.date.available | 2024-02-14T10:30:57Z | |
| dc.date.issued | 2024 | |
| dc.description.abstract | Зв’язок роботи з науковими програмами: тема дисертаційної роботи пов’язана з планами наукових досліджень, що проводяться на кафедрі прикладної радіоелектроніки КПІ ім. Ігоря Сікорського. Актуальність теми: ЕЕГ грає важливу роль у медичних дослідженнях та розробці нейро-комп'ютерних інтерфейсів. Незважаючи на досягнення, галузь має недоліки, зокрема у складності аналізу сигналу. Використання глибоких нейронних мереж дозволяє, знайти вирішення завдань зі складністю аналізу сигналів ЕЕГ. Важливим аспектом є забезпечення релевантного представлення сигналів для ефективного аналізу, що може якісно сприяти на науковий та технологічний прогрес. Об’єктом дослідження: енцефалографічні сигнали. Предметом дослідження: методи, що використовуються у програмно-апаратних засобах обробки ЕЕГ сигналів. Мета роботи: у роботі використовуються методи математичного аналізу – для розроблення моделі, та математичної статистики – для обробки результатів вимірювань; експериментальні методи досліджень з використанням програмно-апаратних засобів для аналізу форми енцефалографічних сигналів та визначення діагнозу захворювань. Наукова новизна: запропоновано метод обробки сигналів енцефалограми за допомогою нейронної мережі, який у порівнянні з відомими є більш адекватним для обробки результатів енцефалографічних обстежень функціонування мозку. Практична цінність: запропонований метод може використовуватись у клінічній практиці для прогнозування епілептичних нападів, а також запропонована програмна реалізація методу. Особистий внесок магістранта: основні переваги запропонованого методу полягають у швидкості обробки та навчання на вхідних сирих даних. Це вказує на потенційне використання даного методу в галузі прогнозування епілептичних станів, де важлива швидка та точна обробка великої кількості даних. Таким чином, запропонований метод виявляє якісні переваги та може бути перспективним напрямком для подальших досліджень у цій області. Структура та обсяг роботи: магістерська дисертація складається з вступу, п'ятьох розділів, висновків та додатку. У вступі подано повну характеристику, проведено аналіз сучасного стану проблеми, обґрунтовано актуальність вибраного напрямку досліджень, чітко сформульовано завдання, висвітлено наукову новизну та практичне значення отриманих результатів. У проведено аналіз ринку, галузі, та методи застосування електроенцефалографії У другому розділі детально розглянуто тему використання методів штучних нейронних мереж для обробки сигналів електроенцефалограми (ЕЕГ). Зокрема, проаналізовано важливі аспекти та переваги застосування штучних нейронних мереж у контексті обробки сигналів ЕЕГ. У третьому розділі розглядається розробка методу обробки сигналів електроенцефалограми (ЕЕГ). Проводиться детальний аналіз крок за кроком процесу створення та оптимізації методу, спрямованого на ефективне витягування інформації з ЕЕГ-сигналів. У четвертому розділі виконана верифікація розробленого методу обробки сигналів електроенцефалограми (ЕЕГ). Цей етап дослідження спрямований на перевірку ефективності та надійності розробленого методу через ретельні тести та аналіз результатів. У п'ятому розділі вивчено та розроблено стартап-проект, пов'язаний із застосуванням розробленого методу обробки сигналів електроенцефалограми (ЕЕГ). Цей етап включає в себе розробку бізнес-моделі, стратегії впровадження та маркетингового плану для ефективного впровадження розробленого методу на ринок. У висновках здійснено комплексне узагальнення отриманих у ході роботи результатів. У додатках наведені лістинг програм та стек данних для навчання нейронної мережі. Робота виконана на 113 аркушах, містить 2 додатка та посилання на список використаних літературних джерел з 23 найменувань. У роботі наведено 31 рисунок та 5 таблиць. | |
| dc.description.abstractother | Connection of the work with scientific programs: The topic of the dissertation work is related to the plans of scientific research conducted at the Department of Applied Radioelectronics of KPI named after Igor Sikorsky. Relevance of the topic: Electroencephalography (EEG) plays an important role in medical diagnostics and research of the nervous system, as well as in the development of modern neuro-computer interfaces. Despite significant achievements, numerous challenges arise in this field. One of the key aspects of the complication of EEG signal analysis is the lack of universal characteristics that would ensure high reliability of technical means when using classification algorithms. The non-stationarity of the signal and its complex shape in the time domain make standard analysis methods less effective, requiring new approaches from engineering professionals to make progress. The object of research: encephalographic signals. The subject of the research: methods used in hardware and software processing of EEG signals. The purpose of the work: the work uses the methods of mathematical analysis - to develop a model, and mathematical statistics - to process the results of measurements; experimental research methods using software and hardware tools for analyzing the form of encephalographic signals and determining the diagnosis of diseases. Scientific novelty: the obtained results consist in the application of the method of neural networks in the process of processing the results of encephalographic studies. Practical value: A method of processing encephalogram signals using a neural network is proposed, which, compared to the known ones, is more adequate for processing the results of encephalographic examinations of the functioning of the human brain and can be used during the diagnosis of a number of functional and pathological abnormalities of the brain and determining the mental state of a person. Personal contribution of the master's student: The main advantages of the proposed method are the speed of processing and training on input raw data. This indicates the potential use of this method in the field of prediction of epileptic states, where fast and accurate processing of a large amount of data is important. Thus, the proposed method reveals qualitative advantages and can be a promising direction for further research in this area. Structure and scope of work: The master's thesis consists of an introduction, five chapters, conclusions and an appendix. The introduction provides a full description, analyzes the current state of the problem, substantiates the relevance of the chosen research direction, clearly formulates the task, highlights the scientific novelty and practical significance of the obtained results. The first chapter is about the encephalogram method in general. Give typical graphs of encephalograms. Write about the scope of this method. But conclusions have been drawn In the second chapter, the topic of using artificial neural network methods for processing electroencephalogram (EEG) signals is discussed in detail. In particular, the important aspects and advantages of using artificial neural networks in the context of EEG signal processing are analyzed. The third chapter deals with the development of a method of processing electroencephalogram (EEG) signals. A detailed step-by-step analysis of the process of creating and optimizing a method aimed at effectively extracting information from EEG signals is carried out. In the fourth chapter, the verification of the developed method of processing electroencephalogram (EEG) signals is carried out. This stage of research aims to verify the effectiveness and reliability of the developed method through thorough tests and analysis of the results. In the fifth chapter, a start-up project related to the application of the developed method of processing electroencephalogram (EEG) signals is studied and developed. This stage includes the development of a business model, an implementation strategy and a marketing plan for the effective introduction of the developed method to the market. In the conclusions, a comprehensive generalization of the results obtained during the work is carried out. They are given in the appendices The work is completed on sheets, contains appendices and links to the list of used literary sources from names. The work contains figures and 8 tables. | |
| dc.format.extent | 113 с. | |
| dc.identifier.citation | Тележинський, В. Д. Метод обробки сигналів енцефалограми за допомогою нейронної мережі : магістерська дис. : 172 Телекомунікації та радіотехніка / Тележинський Володимир Дмитрович. – Київ, 2024. – 113 с. | |
| dc.identifier.uri | https://ela.kpi.ua/handle/123456789/64559 | |
| dc.language.iso | uk | |
| dc.publisher | КПІ ім. Ігоря Сікорського | |
| dc.publisher.place | Київ | |
| dc.subject | epilepsy | |
| dc.subject | electroencephalography | |
| dc.subject | neural networks | |
| dc.subject | machine learning | |
| dc.subject | електроенцефалографія | |
| dc.subject | нейронні мережі | |
| dc.subject | машинне навчання | |
| dc.subject | епілепсія | |
| dc.subject.udc | 612.821:519.21 | |
| dc.title | Метод обробки сигналів енцефалограми за допомогою нейронної мережі | |
| dc.type | Master Thesis |
Файли
Контейнер файлів
1 - 1 з 1
Ліцензійна угода
1 - 1 з 1
Ескіз недоступний
- Назва:
- license.txt
- Розмір:
- 8.98 KB
- Формат:
- Item-specific license agreed upon to submission
- Опис: