Система моніторингу функціонального стану головного мозку

Скорочена інформація про документ
dc.contributor.advisorСиниця, Валентин Іванович
dc.contributor.authorГура, Володимир Олегович
dc.date.accessioned2020-02-05T14:20:19Z
dc.date.available2020-02-05T14:20:19Z
dc.date.issued2019-12
dc.description.abstractenAbstract of master's thesis: 118 pp., 29 tables, 23 figures, 36 primary sources, 4 applications. This master's thesis discusses modern methods and means of monitoring the functional state of the brain. Their effectiveness and prospects of application and development in the future are analyzed. The dissertation presents a conceptual design of system for monitoring the functional state of the brain, two methods of processing encephalograms are considered; using wavelets and using deep learning neural networks. Discrete and continuous EEG wavelet transforms based on several types of wavelets are considered. The efficiency of the wavelet transform for processing EEG data is shown. It has been established that one of the important points of wavelet analysis is the assessment of the significance of cyclic oscillations. It was also found that the noise power spectrum of the wavelet transform almost completely coincides with the Fourier power spectrum. Three types of deep learning neural networks for processing EEG data and identifying possible seizures of epilepsy, built using the Keras and TensorFlow packages, are considered. It was established that the lowest error in the recognition of EEG with the signs of epilepsy is provided by a recurrent neural network.uk
dc.description.abstractruРеферат магистерской диссертации: 118 с., 29 таблиц, 23 рисунков, 36 первоисточников, 4 приложения. В этой магистерской диссертации рассмотрены современные методы и средства мониторинга функционального состояния головного мозга. Проанализированы их эффективность и перспективы применения и развития в будущем. В диссертации представлены эскизный проект системы мониторинга функционального состояния головного мозга, рассмотрены два метода обработки энцефалограмм; с использованием вейвлетов и с использованием нейронных сетей глубокого обучения. Рассмотрены дискретные и непрерывные вейвлет-трансформации ЭЭГ на базе нескольких типов вейвлетов. Показана эффективность вейвлет-трансформации для обработки данных ЭЭГ. Установлено, что одним из важных моментов вейвлет-анализа является оценка значимости циклических колебаний. Также обнаружено, что спектр мощности шума вейвлет-преобразования практически полностью совпадает со спектром мощности Фурье. Рассмотрены три типа нейронных сетей глубокого обучения для обработки данных ЭЭГ и выявления возможных приступов эпилепсии, построенные с использованием пакетов Keras и TensorFlow. Установлено, что самую низкую ошибку распознание ЭЭГ с признаками эпилепсии обеспечивает рекуррентном нейронная сеть.uk
dc.description.abstractukРеферат магістерської дисертації: 118 с., 29 таблиць, 23 рисунки, 36 першоджерел, 4 додатки. В цієї магістерській дисертації розглянуто сучасні методи та засоби моніторингу функціонального стану головного мозку. Проаналізовано їх ефективність та перспективи застосування і розвитку у майбутньому. В дисертації представлено ескізний проект системи мониторінгу функціонального стану головного мозку, розглінути два методи обробки енцефалограм; з використанням вейвлетов і з використанням нейронних мереж глибокого навчання. Розглянуті дискретні та неперервні вейвлет-трансформації ЕЕГ на базі декількох типів вейвлетів. Показана ефективність вейвлет-трансформації для обробкии даних ЕЕГ. Встановлено, що одним з важливих моментів вейвлет-аналізу є оцінка значущості циклічних коливань. Також виявлено, що спектр потужності шуму вейвлет-перетворення практично повністю збігається зі спектром потужності Фур'є. Розглянуті три типи нейронних мереж глибокого навчання для обробки даних ЕЕГ і виявлення можливих приступів епілепсії, побудовані з використанням пакетів Keras і TensorFlow. Встановлено, що найнижчу помилку роспізнання ЕЕГ з признаками епілепсії забезпечує рекуррентна нейронная мережа.uk
dc.format.page119 с.uk
dc.identifier.citationГура, В. О. Система моніторингу функціонального стану головного мозку : магістерська дис. : 152 Метрологія та інформаційно-вимірювальна техніка / Гура Володимир Олегович. – Київ, 2019. – 119 с.uk
dc.identifier.urihttps://ela.kpi.ua/handle/123456789/31385
dc.language.isoukuk
dc.publisherКПІ ім. Ігоря Сікорськогоuk
dc.publisher.placeКиївuk
dc.subjectенцефалограмаuk
dc.subjectвейвлетиuk
dc.subjectсистема мониторінгуuk
dc.subjectнейронні мережіuk
dc.subjectencephalogramuk
dc.subjectwaveletsuk
dc.subjectsystem for monitoringuk
dc.subjectneural networksuk
dc.subjectdeep learninguk
dc.subjectepilepsyuk
dc.titleСистема моніторингу функціонального стану головного мозкуuk
dc.typeMaster Thesisuk

Файли

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

Зібрання

Магістерські роботи (КІВТ)
Магістерські роботи