Automatická extrakce nezávislých komponent ze spánkových EEG dat
Automatic extraction of independent components from sleep EEG dataset
Typ dokumentu
diplomová prácemaster thesis
Autor
Eva Černá
Vedoucí práce
Piorecký Marek
Oponent práce
Milerská Iva
Studijní obor
Biomedicínský inženýrStudijní program
Biomedicínská a klinická technikaInstituce přidělující hodnost
katedra biomedicínské technikyPráva
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
Analýza nezávislých komponent (ICA) je jedním z významných nástrojů používaných k analýze elektroencefalografického signálu (EEG) a k potlačování artefaktů. Existuje několik variant jak tuto metodu aplikovat, přičemž se v současnosti všechny varianty považují za rovnocenné. Ve své práci jsem na reálných EEG záznamech porovnala tři nejpoužívanější varianty ICA - Infomax, FastICA a SOBI. Cílem práce bylo ověřit podobnost nezávislých komponent (IC) napříč těmito metodami a zhodnotit tak efektivitu pro potlačení různých artefaktů a vliv případného řetězení různých metod za sebou. Pro další porovnání jsem využila 19dimenzionální prostor topografických map, který jsem redukovala nelineární metodou t-SNE a klasifikovala shlukovacím algoritmem DBSCAN. Byly porovnávány IC obsahující artefakty napříč prostorem, časem a frekvenční oblastí. Z výsledků práce vyplývá, že testované varianty ICA se nedají považovat za rovnocenné. Získané nezávislé komponenty se napříč metodami liší. Independent component analysis (ICA) is one of the important tools used for electroencephalographic signal (EEG) analysis and artifact suppression. There are several variants of how to apply this method, and currently all variants are considered equivalent. In this master thesis three most used ICA variants on real EEG records - Infomax, FastICA and SOBI were examined. The aim of the work was to verify the similarity of independent components (IC) across these methods and thus evaluate the effectiveness for the suppression of various artifacts and the effect of possible chaining of various methods in a row. For further comparison, a 19-dimensional space of topographic maps was used, which I reduced by the nonlinear t-SNE method and classified it using the DBSCAN clustering algorithm. ICs containing artifacts across space, time, and frequency domains were compared. The results of the work show that the tested variants of ICA cannot be considered equivalent. The independent components obtained vary across the methods.
Kolekce
- Diplomové práce - 17110 [1011]