20.500.12556/RUL-119305 Klasifikacija intervalov elektroencefalograma med zamišljanjem motoričnih aktivnosti Classification of electroencephalogram intervals during motor movement imagery Alternativne metode za komunikacijo med človekom in računalnikom so čedalje bolj potrebne, saj so nekatere osebe fizično nezmožne uporabljati računalnik in potrebujejo drugačno komunikacijo. V sklopu diplome smo primerjali dve metodi za klasifikacijo intervalov elektroencefalograma (EEG) med zamišljanjem motoričnih aktivnosti (zamišlja\-nja stiska leve ali desne roke). Uporabili smo posnetke podatkovne baze EEG\-MMI DS (EEG Motor Movement Imagery DataSet), ki je javna in prosto dostopna na straneh spletnega portala Physionet. Metodi, ki smo ju implementirali vsebujeta postopke digitalnega procesiranja signalov, izločanja značilk, strojnega učenja in klasifikacije. Metodi, ki smo ju implementirali nosita ime metoda z uporabo velike Laplace-ove maske in metoda izračunavanja Skupnih prostorskih vzorcev (CSP). Pridobljeni rezultati so pokazali, da je metoda CSP močnejša od Laplace-ove maske za izbrano množico posnetkov baze EEGMMI DS. Povprečna klasifikacijska točnost pri metodi CSP je znašala približno 59 \% medtem, ko je pri Laplace-ovi maski znašala približno 57 \%. Rezultati diplomskega dela prispevajo k boljšemu razumevanju problematike izločanja intervalov zamišljanja motoričnih aktivnosti in iskanju optimalne metode, za prevedbo osnovnih signalov v signale v prostoru komponent ter učinkovite klasifikacije intervalov zamišljanj. Alternative methods for human-computer interaction are increasingly need\-ed, as some people are physically unable to use a computer and require an alternative type of communication. In the scope of diploma thesis, we compared two methods for classifying electroencephalogram (EEG) intervals during imagining motor activi\-ties (left and right hand grip). We used records of the EEGMMI DS database (EEG Motor Movement Imagery DataSet), which is public and freely available on the pages of the Physionet website. The methods we implemented include procedures of digital signal processing, feature extraction, machine learning, and classification. The two implemented methods are called the method using large Laplacian mask, and the Common Spatial Patterns (CSP) computational method. The obtained results showed that the CSP method is more powerful than the Laplacian mask for the selected set of EEGMMI DS database records. The average classification accuracy for the CSP method was about 59 \% while for the Laplacian mask about 57 \%. The results of the diploma thesis will contribute to better understanding the problem of extracting intervals of motor activities and finding the optimal method for translating original signals into signals in the component space, and effective classification of the intervals of imagined motor activities. elektroencefalogram digitalno procesiranje signalov komunikacija človek-računalnik podatkovna baza EEGMMI DS. electroencephalogram digital signal processing human-computer interaction EEGMMI DS database. true false false Slovenski jezik Angleški jezik Diplomsko delo/naloga 2020-09-07 15:15:15 2020-09-07 15:15:20 2024-01-15 10:54:38 0000-00-00 00:00:00 2020 0 0 0000-00-00 NiDoloceno NiDoloceno NiDoloceno 0000-00-00 0000-00-00 0000-00-00 25808 27838979 Kalem_Mateo_-_Klasifikacija_intervalov_elektroencefalograma_med_zamisljanjem_motoricnih_aktivnos.pdf Kalem_Mateo_-_Klasifikacija_intervalov_elektroencefalograma_med_zamisljanjem_motoricnih_aktivnos.pdf 1 5EDE10D0EAA85D778D73B0E89D6B0B8A 112418d426587631dbef8f4109390a58a19bd1cd1dc7c9ebebc33c1166e95fcb cae42527-a1b9-11eb-a523-00155dcfd717 https://repozitorij.uni-lj.si/Dokument.php?lang=slv&id=134004 Fakulteta za računalništvo in informatiko 0 0 0