EEG allika lokaliseerimine: masinaõppe lähenemisviis
Nimi
Gagandeep Singh -
Kokkuvõte
Inimaju aktiivsuse salvestamise jaoks on olemas mitmeid meetodeid. Üks nendest on EEG, mis suudab ajusignaali mõõta peaaegu samal hetkel, kui see signaal ajus tekib.
Samas selle ruumiline täpsus on väga madal. Konkureeriv tehnoloogia on fMRI, mille ruumiline täpsus on hea, kuid ajaline täpsus madal. Mõõtes ajusignaale kasutades mõlemat tehnoloogiat korraga saab kätte signaali, mis on rikas ja täpne aju aktiivsuse kirjeldus nii ruumis kui ka ajas. Signaali allika järeldamist EEG andmetest nimetatakse allika lokaliseerimise probleemiks. Antud uuringus me demonstreerime uut lokaliseerimise meetodit, mis kasutab masinõpet. Uue meetodi suutlikkuse hindamiseks kasutame andmestikku, kus EEG ja fMRI signaalid olid salvestatud samaaegselt. Samuti võrdleme antud töös väljatöötatud meetodit teiste allika lokaliseerimise meetoditega.
Samas selle ruumiline täpsus on väga madal. Konkureeriv tehnoloogia on fMRI, mille ruumiline täpsus on hea, kuid ajaline täpsus madal. Mõõtes ajusignaale kasutades mõlemat tehnoloogiat korraga saab kätte signaali, mis on rikas ja täpne aju aktiivsuse kirjeldus nii ruumis kui ka ajas. Signaali allika järeldamist EEG andmetest nimetatakse allika lokaliseerimise probleemiks. Antud uuringus me demonstreerime uut lokaliseerimise meetodit, mis kasutab masinõpet. Uue meetodi suutlikkuse hindamiseks kasutame andmestikku, kus EEG ja fMRI signaalid olid salvestatud samaaegselt. Samuti võrdleme antud töös väljatöötatud meetodit teiste allika lokaliseerimise meetoditega.
Lõputöö keel
inglise
Lõputöö tüüp
Magister - Informaatika
Juhendaja(d)
Ilya Kuzovkin
Kaitsmise aasta
2018