Перегудов, Сергій МиколайовичТележинський, Володимир Дмитрович2024-02-142024-02-142024Тележинський, В. Д. Метод обробки сигналів енцефалограми за допомогою нейронної мережі : магістерська дис. : 172 Телекомунікації та радіотехніка / Тележинський Володимир Дмитрович. – Київ, 2024. – 113 с.https://ela.kpi.ua/handle/123456789/64559Зв’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.113 с.ukepilepsyelectroencephalographyneural networksmachine learningелектроенцефалографіянейронні мережімашинне навчанняепілепсіяMaster Thesis612.821:519.21