| Title: | Klasifikace pohybu z EEG dat |
| Other Titles: | Movement classification from EEG data |
| Authors: | Hrabík, Václav |
| Advisor: | Mouček Roman, Doc. Ing. Ph.D. |
| Referee: | Mautner Pavel, Ing. Ph.D. |
| Issue Date: | 2024 |
| Publisher: | Západočeská univerzita v Plzni |
| Document type: | diplomová práce |
| URI: | http://hdl.handle.net/11025/57239 |
| Keywords: | ann;mlp;cnn;lstm. transformer;strojové učení;eeg;představa pohybu;bci;mi datasety |
| Keywords in different language: | ann;mlp;cnn;lstm. transformer;machine learning;eeg;motor imagery;bci;mi dataset |
| Abstract: | Pacienti s paralýzou nervosvalového systému mají těžkou cestu k rehabilitaci. K zefektivnění a zrychlení této rehabilitace je potřeba, aby při rehabilitaci nebyly procvičovány jen svaly, ale i mozek. Pro lepší zapojení mozku se používá Brain-computer interface (BCI). BCI se snaží rozpoznávat mozkové signály a převádět je do příkazů pro zařízení. Za tím účelem využíváme Motor Imagery (MI), kde si pohyb pouze představujeme bez jeho vykonání, protože je dokázáno, že tyto dva stavy jsou téměř totožné. Tyto signály reprezentované pomocí EEG jsou v této práci rozpoznávany aktuálními klasifikátory, jako jsou MLP, CNN, LSTM a Transformer. Tato práce ukázala velkou odlišnost mezi jednotlivými lidmi v experimentech. Nejvíce úspěšní lidé dosáhli až 75 % přesnosti klasifikace jejich pohybu. |
| Abstract in different language: | Patients with neuromuscular paralysis have a difficult road to rehabilitation. To make this rehabilitation more effective and faster, rehabilitation should not only exercise the muscles but also engage the brain. To achieve that, a Brain-computer interface (BCI) is used. The BCI tries to recognize and translate brain signals into the output commands for devices. For this, we use Motor Imagery (MI), where we imagine the movement without executing it, as it has been proven that these two states are almost identical. In this work, these signals represented by EEG are recognized by recent classifiers such as MLP, CNN, LSTM, and Transformer. This work has shown a large variation between people in the experiments. The most successful people achieved up to 75 % accuracy in classifying their motion. |
| Rights: | Plný text práce je přístupný bez omezení |
| Appears in Collections: | Diplomové práce / Theses (KIV) |
Files in This Item:
| File | Description | Size | Format | |
|---|---|---|---|---|
| A22N0047P_DP.pdf | Plný text práce | 2,4 MB | Adobe PDF | View/Open |
| A22N0047Phodnoceni-ved.pdf | Posudek vedoucího práce | 423,67 kB | Adobe PDF | View/Open |
| A22N0047Pposudek-op.pdf | Posudek oponenta práce | 122,2 kB | Adobe PDF | View/Open |
| A22N0047Pobhajoba.pdf | Průběh obhajoby práce | 198,1 kB | Adobe PDF | View/Open |
Please use this identifier to cite or link to this item:
http://hdl.handle.net/11025/57239Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.