Elektroentsefalograafial põhineva aju-arvuti liidese loomine kasutades masinõpet, et klassifitseerida motoorset liikumist ja kujutlust
Nimi
Karel Roots
Kokkuvõte
Aju-arvuti liides (AAL) on süsteem, mis tõlgendab ajulaineid inimese ja arvuti vaheliseks suhtluseks. Ajulaineid on võimalik tuvastada erinevate peaaju aktiivsuse mõõtmise meetoditega, näiteks kasutades elektroentsefalograafiat (EEG). AAL süsteemi eesmärk on võimaldada kasutajal välise seadmega suhelda või seda juhtida ainuüksi mõttetegevusega. Seda tehnoloogiat kasutatakse peamiselt meditsiinis, et aidata piiratud liikumisvõimega patsientidel oma keskkonnas paremini toime tulla.
Siiski on AAL süsteemide arenduses mitmeid väljakutseid, mis takistavad kasutaja tegevuse täpset klassifitseerimist. Näiteks on inimeste ajulained väga individuaalsed ja seetõttu on universaalse klassifitseerija loomine keeruline ülesanne. Selle töö eesmärk oli luua olemasolevatest mudelitest parem elektroentsefalograafial põhinev masinõppe mudel, mis oleks võimeline klassifitseerima motoorset liikumist ja kujutlust, ning AAL süsteem, et hinnata loodud klassifitseerija võimekust.
Valminud klassifitseerija tugines mitme haruga konvolutsioonilistele närvivõrkudele ning kasutas erinevate harude tunnuste kokkusulatamist. Klassifitseerija loodi kasutades Tensorflow masinõppe raamistikku, AAL loodi programmeerimiskeeles Python kasutades PyQT raamistikku ning signaalihõiveks kasutati Emotiv EPOC EEG seadet.
Töö tulemusena loodud klassifitseerijat katsetati andmestikul, mis koosnes 103 vabatahtliku katsealuse andmetest. Klassifitseerija saavutas 84.1% täpsuse parema ja vasaku käe liigutuste ennustamisel ning 83.8% täpsuse parema ja vasaku käe ettekujutatud liigutuste ennustamisel.
Siiski on AAL süsteemide arenduses mitmeid väljakutseid, mis takistavad kasutaja tegevuse täpset klassifitseerimist. Näiteks on inimeste ajulained väga individuaalsed ja seetõttu on universaalse klassifitseerija loomine keeruline ülesanne. Selle töö eesmärk oli luua olemasolevatest mudelitest parem elektroentsefalograafial põhinev masinõppe mudel, mis oleks võimeline klassifitseerima motoorset liikumist ja kujutlust, ning AAL süsteem, et hinnata loodud klassifitseerija võimekust.
Valminud klassifitseerija tugines mitme haruga konvolutsioonilistele närvivõrkudele ning kasutas erinevate harude tunnuste kokkusulatamist. Klassifitseerija loodi kasutades Tensorflow masinõppe raamistikku, AAL loodi programmeerimiskeeles Python kasutades PyQT raamistikku ning signaalihõiveks kasutati Emotiv EPOC EEG seadet.
Töö tulemusena loodud klassifitseerijat katsetati andmestikul, mis koosnes 103 vabatahtliku katsealuse andmetest. Klassifitseerija saavutas 84.1% täpsuse parema ja vasaku käe liigutuste ennustamisel ning 83.8% täpsuse parema ja vasaku käe ettekujutatud liigutuste ennustamisel.
Lõputöö keel
inglise
Lõputöö tüüp
Bakalaureus - Informaatika
Juhendaja(d)
Yar Muhammad, Naveed Muhammad
Kaitsmise aasta
2020