Show simple item record

Reducing the dimension of EEG space as the basis of datamining

dc.contributor.advisorPiorecký Marek
dc.contributor.authorNatálie Brožová
dc.date.accessioned2020-10-15T20:52:54Z
dc.date.available2020-10-15T20:52:54Z
dc.date.issued2019-06-11
dc.identifierKOS-773337262905
dc.identifier.urihttp://hdl.handle.net/10467/91231
dc.description.abstractElektroencefalografie (EEG) je funkční vyšetření mozku. Pro zpracování EEG signálu dnes bývá hojně využívána automatizace výpočetní techniky, která výrazně ulehčuje rozbor velkého objemu dat. Cílem této studie je otestovat nelineární metodu redukce dimenze, pomoci určit vhodná kritéria pro popis EEG záznamu na základě skryté vnitřní struktury dat a porovnat výsledky s použitím lineární metody redukce dimenze. EEG záznam je segmentován a na ednotlivých segmentech je provedena analýza nezávislých komponent (ICA). Vzniklé nezávislé komponenty jsou popisovány kritérii a takto vzniklý prostor je následně redukován nelineární metodou t-disturbed Stochastic Neigbor Embedding (t-SNE) a lineární metodou - analýzou hlavních komponent (PCA). Klasifikační metodou DBSCAN je zhodnoceno, zda data popsaná těmito kritérii lze dělit do tříd popisující specifickou EEG aktivitu, šum či artefakty. Metoda PCA oddělila alfa aktivitu, beta aktivitu a oční artefakty u zdravých jedinců, u epileptických pacientů oddělila pouze komponenty reprezentující oční artefakty. t-SNE se jeví jako vhodnější pro analýzu dat pacientů s podezřením na epilepsii, u kterých byla oddělena epileptická aktivita a oční artefakty. Nelineární metoda se tedy prokázala jako vhodnější pro redukci dimenze EEG prostoru, ve kterém je více zastoupena nefyziologická aktivita. Jako vhodná kritéria pro popis různých EEG aktivit se jeví dominantní spektrální vrchol a vážený průměr frekvencí spektrální výkonové hustoty. Autokorelace se jeví jako vhodný příznak pro popsání očních artefaktů.cze
dc.description.abstractElectroencephalography (EEG) is used to diagnose diseases of the brain. EEG signal is very complex, hence for understanding are widely used several linear and non-linear processing techniques. The aim of this study is to test linear dimension reduction and to help determine appropriate features to describe EEG signal based on hidden an inner data structure. In this study epileptic data and data of controls are analyzed in MATLAB, fieldtrip toolbox is used. EEG signal is segmented on three minutes long segments, on which independent component analysis is performed (ICA). Independent components are described by five features. This five-dimensional space is reduced by nonlinear method t-distributed Stochastic Neighbour Embedding (t-SNE) and by linear method principal component analysis (PCA) on 2D. Finally, by the classification method, DBSCAN is evaluated if it is possible to separate data to clusters describing any specific EEG activity or artifact. PCA appears to be better for analysis of controls - it has separated alpha activity, beta activity and eye artifacts, in the group of epileptic patients it has separated only eye artifacts. t-SNE appears to be more suitable for analyzing data from patients suspected of having epilepsy in which epileptic activity and eye artifacts were separated. Therefore, the nonlinear method has proven to be more suitable for reducing the EEG dimension in which the non-physiological activity is more represented. Dominant spectral peaks and weighted average frequencies of spectral power density appear to be suitable features for describing different EEG activities. Autocorrelation appears to be a suitable symptom for describing eye artifacts.eng
dc.publisherČeské vysoké učení technické v Praze. Vypočetní a informační centrum.cze
dc.publisherCzech Technical University in Prague. Computing and Information Centre.eng
dc.rightsA 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.htmleng
dc.rightsVysokoškolská 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.htmlcze
dc.subjectEEGcze
dc.subjectredukce dimenzecze
dc.subjectICAcze
dc.subjectPCAcze
dc.subjectDBSCANcze
dc.subjectEEGeng
dc.subjectdimension reductioneng
dc.subjectICAeng
dc.subjectPCAeng
dc.subjectDBSCANeng
dc.titleRedukce dimenze EEG prostoru jako základ dataminingucze
dc.titleReducing the dimension of EEG space as the basis of dataminingeng
dc.typebakalářská prácecze
dc.typebachelor thesiseng
dc.contributor.refereeGerla Václav
theses.degree.disciplineBiomedicínský technikcze
theses.degree.grantorkatedra biomedicínské technikycze
theses.degree.programmeBiomedicínská a klinická technikacze


Files in this item





This item appears in the following Collection(s)

Show simple item record