diplomsko delo
Sebastjan Kramar (Avtor), Aleš Smrdel (Mentor)

Povzetek

Parkinsonova bolezen je ena najpogostejših nevrodegenerativnih bolezni, katere potek se lahko omili, če je odkrita dovolj zgodaj, kar pa je v praksi pogosto težko. Zato v okviru diplome raziskujemo možnost razvoja modela za klasifikacijo posnetkov EEG na posnetke oseb s Parkinsonovo boleznijo in posnetke zdravih oseb. Pri razvoju modela pa se poslužujemo globokega učenja. Pri študiji smo uporabili EEG posnetke iz množice 50 subjektov, od tega 25 bolnikov in 25 kontrolnih oseb. EEG posnetke sprva predprocesiramo, nato jih z uporabo nevronskih mrež klasificiramo. Modele smo osnovali na podlagi eno-dimenzionalnih konvolucijskih nevronskih mrež z mehanizmom pozornosti. Pri treniranju modela smo uporabili 84 % podatkovne množice, preostalih 16 % pa je bilo uporabljeno za preverjanje. Model uspešno klasificira segmente EEG posnetkov bolnikov s Parkinsonovo boleznijo z natančnostjo 0,839, kar je konkurenčno s trenutnimi modeli. Sam sistem smo nato še nadgradili s preprostim modelom uvrščanja posnetkov na podlagi njihovih segmentov v posnetke bolnikov s Parkinsonovo boleznijo ter posnetke zdravih oseb. Nadgradnja je uvrščala posnetke z natančnostjo 1.

Ključne besede

EEG posnetki;klasifikacija;nevronska mreža;konvolucija;pozornost;univerzitetni študij;diplomske naloge;

Podatki

Jezik: Slovenski jezik
Leto izida:
Tipologija: 2.11 - Diplomsko delo
Organizacija: UL FRI - Fakulteta za računalništvo in informatiko
Založnik: [S. Kramar]
UDK: 004.85:616.858(043.2)
COBISS: 164843011 Povezava se bo odprla v novem oknu
Št. ogledov: 37
Št. prenosov: 3
Ocena: 0 (0 glasov)
Metapodatki: JSON JSON-RDF JSON-LD TURTLE N-TRIPLES XML RDFA MICRODATA DC-XML DC-RDF RDF

Ostali podatki

Sekundarni jezik: Angleški jezik
Sekundarni naslov: Classification of EEG recordings into normal and recordings of patients with Parkinson’s disease using deep learning
Sekundarni povzetek: Parkinson's disease is one of the most prevalent neurodegenerative diseases. Its progression can be slowed if detected early enough, which is often challenging in practice. Therefore, within the scope of this diploma work, we are investigating the capability of classifying EEG recordings of patients with Parkinson's disease and healthy individuals into their respective groups with the help of deep learning. In this study, we used EEG recordings from a set of 50 subjects, of which 25 are patients and 25 are healthy controls. We first preprocess the EEG recordings, then classify them using neural networks. Our models are based on one-dimensional convolutional neural networks with an attention mechanism. We trained the models on 84% of the dataset, with the remaining 16% used for validation. The model successfully classifies segments of EEG recordings of patients with Parkinson's disease with an accuracy of 0.839, which is competitive with current models. We further enhanced the system with a simple model for classifying the recordings based on their segments, into either recordings of patients with Parkinson's disease or recordings of healthy individuals. The enhanced model classified the recordings with a perfect accuracy score of 1.
Sekundarne ključne besede: EEG recordings;Parkinson's disease;classification;neural network;convolution;attention;computer and information science;diploma;Globoko učenje (strojno učenje);Parkinsonova bolezen;Računalništvo;Univerzitetna in visokošolska dela;
Vrsta dela (COBISS): Diplomsko delo/naloga
Študijski program: 1000468
Konec prepovedi (OpenAIRE): 1970-01-01
Komentar na gradivo: Univ. v Ljubljani, Fak. za računalništvo in informatiko
Strani: 41 str.
ID: 19892423