Integrace metod strojového učení do nástroje pro zpracování elektrofyziologických dat

Bc. Filip KUPILÍK

Diplomová práce

Integration of machine learning methods into electrophysiological data processing tool

Anotace:

Cílem této práce je integrace metod strojového učení do vybraného nástroje pro zpracování standardizovaných elektrofyziologických dat. V práci jsou aktuální nástroje zmapovány a jsou zanalyzovány jejich současné možnosti využití metod strojového učení. Do vybraného nástroje jsou poté integrovány klasifikační metody strojového učení, jež se používají v neuroinformatické laboratoři na FAV ZČU. Proveditelnost zvoleného řešení je ověřena implementací experimentu s reálnými daty. Výsledný kód a uživatelský manuál jsou sdíleny ve veřejně dostupném repositáři.

Abstract:

The goal of the thesis is the integration of machine learning methods into a chosen tool for processing standardized electrophysiological data. The thesis maps current tools and analyzes their current possibilities of using machine learning methods. The classification machine learning methods, which are used in the neuroinformatics laboratory at the Faculty of Applied Sciences in the University of West Bohemia, are then integrated into the chosen tool. The functionality of the solution is verified by the implementation of the experiment with real dataset. The source code and user manual are shared in a public repository.

Klíčová slova

elektroencefalografie, evokované potenciály, klasifikace, strojové učení, hluboké učení, MNE, scikit-learn, Keras

Jazyk práce: čeština

Datum vytvoření / odevzdání či podání práce: 7. 8. 2020

Zveřejnit od: 31. 12. 2999

Obhajoba závěrečné práce

• Vedoucí: Ing. Roman Mouček, Ph.D.

ZÁPADOČESKÁ UNIVERZITA V PLZNI

Fakulta aplikovaných věd

Magisterský studijní program / obor:
Inženýrská informatika / Softwarové inženýrství