Metody slepé separace zdrojů jako nástroje pro potlačení svalových artefaktů v EEG záznamech
Blind source separation methods as a tool for suppressing muscle artifacts in EEG recordings
Typ dokumentu
diplomová prácemaster thesis
Autor
Veranika Tuzankina
Vedoucí práce
Štrobl Jan
Oponent práce
Křemen Václav
Studijní program
Biomedicínské inženýrstvíInstituce přidělující hodnost
katedra biomedicínské technikyObhájeno
2023-06-20Práva
A university thesis is a work protected by the Copyright Act. Extracts, copies and transcripts of the thesis are allowed for personal use only and at one?s own expense. The use of thesis should be in compliance with the Copyright Act http://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf and the citation ethics http://knihovny.cvut.cz/vychova/vskp.htmlVysokoškolská závěrečná práce je dílo chráněné autorským zákonem. Je možné pořizovat z něj na své náklady a pro svoji osobní potřebu výpisy, opisy a rozmnoženiny. Jeho využití musí být v souladu s autorským zákonem http://www.mkcr.cz/assets/autorske-pravo/01-3982006.pdf a citační etikou http://knihovny.cvut.cz/vychova/vskp.html
Metadata
Zobrazit celý záznamAbstrakt
Elektroencefalografie je standardní neinvazivní metoda zobrazování, která slouží k záznamu elektrických potenciálů mozku. Při měření EEG téměř vždycky dochází ke kontaminaci signálu artefakty, které mají původ mimo mozek zkoumaného subjektu, jako například svalové artefakty. Svalové artefakty se promítají do EEG signálu a překrývají fyziologickou složku EEG signálu a způsobují komplikace při interpretaci EEG signálu. Tato práce je zaměřená na analýzu metod Slepé separace zdrojů (BSS) jako nástrojů k potlačení svalových artefaktů v EEG záznamech. Jedním z cílů této práce je analyzovat využití metod BSS, konkrétně metodu Kanonické korelační analýzy (CCA) a metodu analýzy nezávislých komponent (ICA). Dalším cílem je porovnat metodu CCA pro různé kroky zpoždění. Nejlépe vycházela metoda CCA se zpožděním o jeden časový vzorek. Dále bylo cílem vybrat vhodný algoritmus ICA. Tři vybrané metody ICA: Infomax, FastICA a SOBI a metoda CCA byly aplikovány na testovací reálná EEG data. Vyhodnocením pomocí relativního rozdílu Personova korelačního koeficientu byla zvolena metoda Infomax jako vhodnější z ICA algoritmů. Pro statistické vyhodnocení vlivu vybraných metod na evokovaný potenciál z ASSR experimentu bylo provedeno testování pomocí statistické analýzy ANOVA s opakovaným měřením. Na základě výsledků statistického vyhodnocení nebyl prokázán vliv BSS metod na evokovaný potenciál z ASSR experimentu. Electroencephalography is a standard non-invasive imaging method used to record the electrical potentials of the brain. EEG measurements are almost always contaminated by signal artifacts that originate outside the subject's brain, such as muscle artifacts. Muscle artifacts are projected onto the EEG signal and overlay the physiological component of the EEG signal, causing complications in the interpretation of the EEG signal. This paper focuses on the analysis of Blind Source Separation (BSS) methods as tools to suppress muscle artifacts in EEG recordings. One of the objectives of this work is to analyze the use of BSS methods, specifically the Canonical Correlation Analysis (CCA) method and the Independent Component Analysis (ICA) method. Another objective is to compare the CCA method for different delay steps. The CCA method performed best with a delay of one time sample. Furthermore, the objective was to select a suitable ICA algorithm. The three selected ICA methods, Infomax, FastICA and SOBI, and the CCA method were applied to test real EEG data. By evaluating using the relative difference of Person's correlation coefficient, the Infomax method was selected as the more appropriate of the ICA algorithms. To statistically evaluate the effect of the selected methods on the evoked potential from the ASSR experiment, a repeated measures ANOVA was tested. Based on the results of the statistical evaluation, the influence of BSS methods on the evoked potential from the ASSR experiment was not demonstrated.
Kolekce
- Diplomové práce - 17110 [1011]