Алгоритм покращення результатів аналізу епілептичних сигналів ЕЕГ

Скорочена інформація про документ
dc.contributor.advisorДубко, Андрій Григорович
dc.contributor.authorРеп'ях, Оксана Володимирівна
dc.date.accessioned2019-03-25T13:06:49Z
dc.date.available2019-03-25T13:06:49Z
dc.date.issued2018-12
dc.description.abstractenThe volume of the report is 85 pages, 42 figures, 6 tables, 7 formulas, two applications are included. In total 47 references were analyzed. Epilepsy is the fourth most common neurological problem in the world. When diagnosing epilepsy, the most informative is the registration of EEG, which helps distinguish epileptic seizures from non˗epileptic seizures and classify them. Aim: EEG signal classification model based on machine learning methods. In the master's dissertation were determined the basic directions of research of artificial intelligence, using signals of an electroencephalogram. Were investigated the advantages and disadvantages of the analysis methods. Preprocessing of raw data have been done and formed input datasets. The most effective and informative set of features filtered out. A model of the classification of EEG signals was constructed using the programming platform Python 2.7.15. Researches have been conducted on the prediction of epilepsy with by the machine learning methods. The article «Classification of epileptiform activity in EEG using machine learning techniques» was published in the journal «Science, Research, Development» (June 2018) and thesis «Recognition of epileptic activity in EEG signals using machine learning methods» was published in the journal «Information systems and technologies in medicine ISM–2018» (November 2018) based on research results.uk
dc.description.abstractukРобота присвячена розробці програмного алгоритму для автоматичного розпізнавання та прогнозування епілетриформних частотних ритмів в сигналах ЕЕГ, за допомогою методів машинного навчання. Метою є створення програмної моделі для автоматичного розпізнавання та прогнозування епілетриформних частотних ритмів в сигналах ЕЕГ, за допомогою методів машинного навчання. Об’єктом дослідження є сигнали електроенцефалограми. Предметом дослідження виступають методи машинного навчання. У магістерській дисертації визначені основні напрямки досліджень штучного інтелекту, з використанням сигналів електроенцефалограми; досліджені переваги та недоліки методів аналізу; проведена попередня обробка сирих даних та сформовані набори вхідних даних; відфільтровано найефективніший та найінформативніший набір ознак; на основі платформи програмування Python 2.7.15 побудовано модель класифікації сигналів ЕЕГ; проведені дослідження з прогнозування епілепсії за допомогою методів машинного навчання. За результатами роботи опубліковано: стаття «Classification of epileptiform activity in EEG using machine learning techniques» у науковому журналі «Science, Research, Development» (червень 2018 року); тези «Розпізнавання епілептичної активності в сигналах ЕЕГ за допомогою методів машинного навчання» у науково-практичному журналі «Інформаційні системи та технології в медицині» ISM-2018 (листопад 2018 року).uk
dc.format.page84 с.uk
dc.identifier.citationРеп’ях, О. В. Алгоритм покращення результатів аналізу епілептичних сигналів ЕЕГ методами машинного навчання : магістерська дис. : 163 Біомедична інженерія / Реп’ях Оксана Володимирівна. – Київ, 2018. – 84 с.uk
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/26892
dc.language.isoukuk
dc.publisher.placeКиївuk
dc.subjectЕЕГuk
dc.subjectмашинне навчанняuk
dc.subjectштучний інтелектuk
dc.subjectнаука про даніuk
dc.subjectметод опорних векторівuk
dc.subjectнаївний Баєсів класифікаторuk
dc.subjectГрадієнтний бустинг над вирішальними деревамиuk
dc.subjectEEGuk
dc.subjectmachine learninguk
dc.subjectartificial intelligenceuk
dc.subjectdata scienceuk
dc.subjectSupport Vector Machineuk
dc.subjectGaussian Naive Bayeuk
dc.subjectGradient Boosting Classifieruk
dc.subject.udc615-84uk
dc.titleАлгоритм покращення результатів аналізу епілептичних сигналів ЕЕГuk
dc.typeMaster Thesisuk

Файли

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

Зібрання

Магістерські роботи (БМІ)
Магістерські роботи