Detekce pohybu z EEG dat

Bc. Jakub KODERA

Master's thesis

Motion detection from EEG data

Abstract:

Představa pohybu je jedna z možností jakou může člověk komunikovat pomocí rozhraní mozek počítač. Cílem této práce je prozkoumat existující možnosti a používané metody v oblasti detekce pohybu z naměřeného EEG signálu. Jelikož získávání EEG dat je časově náročná aktivita, jsou v práci prozkoumány možnosti rozšíření existující datové sady bez nutnosti provádění dalšího měření. Práce porovnává detekci pohybu pěti klasifikátory (LDA, SVM, MLP, LSTM a CNN) a zkoumá také využití různých příznakových vektorů. V práci je provedena implementace a porovnání rozšíření datové sady pomocí augmentačních metod NI, cVAE a cWGAN-GP. Nejlepšího klasifikačního výsledku bylo dosaženo klasifikátorem CNN s klasifikační přesností 76.00+-0.80%.

Abstract:

Motor imagery is one of the ways in which a person can communicate through a brain-computer interface. The aim of this work is to explore existing methods in the field of motor imagery detection from measured EEG signals. Since acquisition of EEG data is a time-consuming activity, options for expanding the existing dataset without the need for additional measurements is also explored. This work compares motor imagery detection using five classifiers (LDA, SVM, MLP, LSTM a CNN) and also examines the use of different feature vectors. Additionally, the study implements and compares the expansion of the dataset using the augmentation methods NI, cVAE a cWGAN-GP. The best classification result was achieved with the CNN classifier, achieving a classification accuracy of 76.00+-0.80%.

Keywords

EEG, představa pohybu, augmentace dat, klasifikace, strojové učení

Language used: Czech

Date on which the thesis was submitted / produced: 21. 6. 2023

Accessible from:: 31. 12. 2999

Thesis defence

• Supervisor: Doc. Ing. Roman Mouček, Ph.D.

University of West Bohemia

Faculty of Applied Sciences

Master programme / field:
Computer Science and Engineering / Medical Informatics