Simulacija premikanja grafičnega kazalca z zamišljanjem motoričnih aktivnosti

KAMENŠEK, MARTIN (avtor), Jager, Franc (mentor)

Cilj diplomske naloge je bil narediti sistem, ki na podlagi posnetkov elektroencefalograma (EEG) premika grafični kazalec po zaslonu v štirih smereh. Uporabljeni so EEG posnetki, dobljeni med zamišljanjem motoričnih aktivnosti. Predstavljeni so trije protokoli obdelave EEG posnetkov in učenja nevronske mreže. Namen prvega protokola je iskanje enostavnih relacij med amplitudnima spektroma μ in β valov ter namišljenimi motoričnimi akcijami stiskanja leve in desne pesti. Z uporabo obeh amplitudnih spektrov kot vhoda nevronske mreže je bila dosežena klasifikacijska natančnost 52%. V drugem protokolu je uporabljeno le povprečje μ in β amplitudnih spektrov, učna množica je optimizirana, natančnost klasifikacij pa doseže 80%. S tretjim protokolom se je uporabilo tudi posnetke stiskov obeh pesti hkrati. Končna rešitev je uporabila dve nevronski mreži, kjer je prva enaka kot v drugem protokolu, druga pa je s klasifikacijo stiskov obeh pesti in mirovanja dosegla klasifikacijsko natančnost 69%.

• Jezik: Slovenski jezik
• Ključne besede: Elektroencefalogram, Vmesnik možgani-računalnik, Zamišljanje motoričnih aktivnosti, Nevronska mreža
• Vrsta gradiva: Diplomsko delo
• Organizacija: FRI - Fakulteta za računalništvo in informatiko
• Leto izida: 2014
• PID: 20.500.12556/RUL-30039
• Datum objave v RUL: 12.11.2014

Sekundarni jezik

• Jezik: Angleški jezik
• Naslov: Simulation of graphic cursor movement by motor movement imagery

Izvleček

The goal of this thesis was to create a system which moves a cursor on a computer monitor in four directions, based on electroencephalogram (EEG) recordings. The EEG recordings were recorded while imagining of motor activities. This thesis documents three different protocols for processing EEG records and training a neural network. The purpose of the first protocol is to search for simple relations between amplitude spectra of μ and β brainwaves and imaginary motor activities of opening and closing individual fists. Using the amplitude spectra of μ and β, the neural network achieved 52% accuracy. In the second protocol only the average of amplitude spectra of μ and β was used. Additionally the training set was optimized, resulting in 80% accuracy. The final solution used two neural networks, first one being identical to the one in second protocol and the second one being used to classify imaginary motor activities of opening and closing both fists individually, achieving 69% accuracy.

• Ključne besede: Electroencephalogram, Brain-computer interface, Imagining motor activity, Neural Network