Klasifikacija EEG posnetkov na normalne in posnetke bolnikov s Parkinsonovo boleznijo z uporabo globokega učenjaKramar, Sebastjan (Avtor) Smrdel, Aleš (Mentor) EEGParkinsonova bolezenklasifikacijanevronska mrežakonvolucijapozornostParkinsonova 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 1.20232023-09-05 11:15:00Diplomsko delo/naloga149197sl