Karakterizacija posnetkov EEG avditornih nalog pri osebah s Parkinsovo boleznijoŠtremfelj, Jana (Avtor) Smrdel, Aleš (Mentor) digitalno procesiranje signalovanaliza biomedicinskih signalovEEGParkinsonova bolezenelektroencefalografijaParkinsonova bolezen je kronična nevrodegenerativna bolezen, ki močno vpliva na možgane in poslabša motorične sposobnosti bolnika. Spremeni se fizična sposobnost bolnika, zmanjša se mišična gibljivost in nastanejo težave s hojo. Pojavijo se tudi težave s spominom, pozornostjo in vidom. Spremembe motoričnih in kognitivnih sposobnosti je mogoče zaznati v signalih električne aktivnosti možganov, zato ima na tem področju velik potencial analiza elektroencefalografskih (EEG) signalov. V tem delu smo se lotili karakterizacije sprememb signalov EEG pri osebah s Parkinsonovo boleznijo in določili elektrode in značilke, pri katerih so te spremembe najizrazitejše. Uporabili smo bazo posnetkov, ki so bili snemani med izvajanjem različnih avditornih nalog (ang. auditory tasks). Posnetke smo razdelili v dve skupini, skupino oseb s Parkinsonovo boleznijo (SPB) in kontrolno skupino zdravih oseb (KTL). Vsak posnetek smo glede na avditorne naloge razdelili na 4-sekundne segmente, iz katerih smo vzeli 2-sekundne intervale in v slednjih opazovali spremembe. Za vsak posnetek smo iz zaporednih intervalov izračunali značilke povprečje razlike intervalov, Manhattanska razdalja, Evklidska razdalja, koren povprečja kvadratov, vrh frekvence, mediana frekvence in vzorčna entropija. Nato smo izrisali in opazovali spremembe časovnih vrst omenjenih značilk ter pri nekaterih ugotovili ponavljajoče se trende, ki ločujejo skupino SPB od skupine KTL. Sledil je izračun značilk za klasifikacijo na podlagi povprečja razlike začetnih in končnih intervalov. Z uporabo Studentovega t-testa smo identificirali elektrode, pri katerih so razlike med obema skupinama najbolj izrazite. Na podlagi teh rezultatov smo določili skupino značilk, ki najbolje odražajo spremembe med obema skupinama. Za posamezne elektrode smo te značilke uporabili za klasifikacijo signalov EEG in prišli do najvišje klasifikacijske točnosti 90 \%. Kot najboljša mesta elektrod za razločevanje skupin smo na podlagi ugotovitev karakterizacije, z uporabo Studentovega t-testa in klasifikacije določili elektrode TP7, F7, FT7, CP5 in FC5.20242024-10-23 08:15:01Magistrsko delo/naloga164348sl