Εμφάνιση απλής εγγραφής

Event-Related Potentials (ERPs): Καταγραφή, ανάλυση και αξιοποίηση

dc.contributor.advisorRangoussi, Maria
dc.contributor.authorΤάτση, Χριστίνα
dc.date.accessioned2024-03-12T12:39:50Z
dc.date.available2024-03-12T12:39:50Z
dc.date.issued2024-03-11
dc.identifier.urihttps://polynoe.lib.uniwa.gr/xmlui/handle/11400/6047
dc.identifier.urihttp://dx.doi.org/10.26265/polynoe-5883
dc.description.abstractΗ συγκεκριμένη διπλωματική εργασία εστιάζει στα Προκλητά Δυναμικά (ERPs). Πιο συγκεκριμένα αρχικά ορίζεται τι είναι αυτά, πώς και γιατί προκαλούνται αλλά και πώς χρησιμεύουν / αξιοποιούνται σε διάφορους χώρους. Η συγκεκριμένη εργασία αφορά έναν σχετικά νέο κλάδο ως προς τις μεθοδολογίες που ακολουθεί και τα συμπεράσματα που προσφέρει για τους επιστήμονες παγκοσμίως. Οι μετρήσεις που λαμβάνονται από τον εγκέφαλο, όπως θα αναλυθεί παρακάτω, είναι ένας νέος τρόπος για να μπορεί κανείς να προσδιορίσει την κατάσταση του ανθρώπου τόσο σε επίπεδο σωματικών παθήσεων όσο και σε επίπεδο ψυχολογικών και ψυχιατρικών παθήσεων. Αρκετά ενδιαφέρουσες κρίνονται οι πληροφορίες που κρύβονται στον ανθρώπινο εγκέφαλο και οι διάφορες διαγνώσεις που μπορούν να γίνουν χάρις στο ηλεκτροεγκεφαλογράφημα, πριν καν το οποιοδήποτε πρόβλημα γίνει αντιληπτό εξωτερικά. Από την βρεφική ακόμη ηλικία που το παιδί δεν μπορεί να επικοινωνήσει λεκτικά με το περιβάλλον του, μπορεί το ηλεκτροεγκεφαλογράφημα να μεταδώσει πολύτιμες πληροφορίες για την κατάστασή του. Στην εργασία θα αναλυθούν οι μέθοδοι που επιτρέπουν να καταγραφούν τα ERPs και θα περιγραφούν όλα τα απαραίτητα εργαλεία και βήματα για τον σκοπό αυτό. Ακόμη θα παρουσιαστούν διάφορες πιθανές απεικονίσεις που μπορεί να προκύψουν από τις καταγραφές αυτές, ανάλογα με την κυματομορφή που θέλει ο εκάστοτε ερευνητής να εξετάσει. Στην συνέχεια θα παρουσιαστούν πειράματα και έρευνες που έχουν ήδη γίνει από άλλους ερευνητές μαζί με τα αποτελέσματα που προέκυψαν από τις δικές τους μελέτες. Τέλος, στο πειραματικό μέρος της εργασίας, με την χρήση του εργαλείου Matlab και χρησιμοποιώντας ένα ελεύθερα διαθέσιμο data set με ERPs από το διαδίκτυο, θα γίνουν τα βήματα της επεξεργασίας και ανάλυσης των σημάτων ERP, ώστε να γίνει κατηγοριοποίηση των υποκειμένων σε δύο κλάσεις, υποκείμενα με ΔΕΠΥ και χωρίς ΔΕΠΥ. Για την κατηγοριοποίηση επιλέχθηκε η μέθοδος μέσω νευρωνικών δικτύων, για την καλύτερη δυνατή ανάλυση των δεδομένων και την εξαγωγή καλών αποτελεσμάτων. Συγκεκριμένα, θα παρουσιαστούν δύο τύποι νευρωνικών δικτύων και θα συγκριθούν με βάση τις επιδόσεις τους στο πρόβλημα της κατηγοριοποίησης και στο συγκεκριμένο data set. Ο τρόπος συγγραφής του κώδικα Matlab, που δίνεται στο Παράρτημα, επιδιώχθηκε να είναι απλός και επεξηγηματικός, και όχι βελτιστοποιημένος, ώστε να γίνεται εύκολα κατανοητός και με λίγες παραμετροποιήσεις να μπορεί να χρησιμοποιηθεί σε διάφορες άλλες μορφές ανάλογου τύπου δεδομένωνel
dc.format.extent90el
dc.language.isoelel
dc.publisherΠανεπιστήμιο Δυτικής Αττικήςel
dc.rightsΑναφορά Δημιουργού - Μη Εμπορική Χρήση - Παρόμοια Διανομή 4.0 Διεθνές*
dc.rights.urihttps://creativecommons.org/licenses/by-nc-sa/4.0/deed.el*
dc.subjectΠροκλητά δυναμικάel
dc.subjectERPsel
dc.subjectEvent-related potentialel
dc.subjectΗλεκτροεγκεφαλογράφοςel
dc.subjectΜετασχηματισμός Fourierel
dc.subjectMATLABel
dc.subjectΤεχνητά νευρωνικά δίκτυαel
dc.subjectΝευρωνικά δίκτυαel
dc.subjectFeedforward neural networkel
dc.subjectΠολυεπίπεδο perceptronel
dc.subjectΔΕΠΥel
dc.subjectΚατηγοριοποίησηel
dc.titleEvent-Related Potentials (ERPs): Καταγραφή, ανάλυση και αξιοποίησηel
dc.title.alternativeEvent-Related Potentials (ERPs): Recording, analysis and usesel
dc.typeΔιπλωματική εργασίαel
dc.contributor.committeeGalata, Sotiria
dc.contributor.committeePotirakis, Stelios
dc.contributor.facultyΣχολή Μηχανικώνel
dc.contributor.departmentΤμήμα Ηλεκτρολόγων και Ηλεκτρονικών Μηχανικώνel
dc.description.abstracttranslatedThis diploma thesis focuses on Evoked Potentials or Event-Related Potentials (ERPs). More specifically, the thesis includes definitions and descriptions as to what EPR are, the reason they are evoked and their various uses. It is referring to a rather new discipline and its methodologies, as well as the results it provides to scientists globally. In fact, through the received and registered electric brain signals, a new way is opened for the estimation of the status of a human subject, physical or psychological or even mental, as well as for the diagnosis of possible illnesses. The available methodologies for registering and evaluating ERP data, along with the necessary equipment and tools are described as well. Additionally, various possible visualizations that can be extracted from the analysis of ERPs, depending of the aims of the specific research, are described and discussed. The information hidden in human brain and revealed by diagnosis is a very interesting area, particularly since EPR can lead to diagnosis of problems before these are externally perceived. ERP can help understand the status of a child, even in the infant age, who cannot interact and communicate verbally with its environment and with the people around it. In the following parts of the thesis, existing research and experiments carried out by researchers and scientists are surveyed, along with the results of these studies. The thesis also describes the methods to record ERPs along with all necessary tools and steps for this purpose. In addition, various possible visualizations that may result from these recordings are presented, depending on the waveform that each researcher seeks to examine. In the experimental part of the work, Matlab is used on an ERP data set freely available on the Internet, in order to process and analyze ERP signals in this data set. The aim is to classify human subjects into two classes, subjects with ADHD and without ADHD (healthy). Artificial Neural Networks are used for classification, and experimentation is performed to define the best analysis of the data and the extraction of satisfactory results. Specifically, two types of neural networks are employed and compared based on their performance in the specific classification task and data set. Effort has been made for the developed Matlab code, given in the Appendix, to be kept simple, parametrized and self-explanatory. It is therefore easy to understand and with a few changes and little customization the same code can be reused to classify various other types of data.el


Αρχεία σε αυτό το τεκμήριο

Thumbnail
Όνομα:
ΤΑΤΣΗ_ΧΡΙΣΤΙΝΑ_Διπλωματική ...
Μέγεθος:
4.294Mb
Τύπος:
PDF
Προβολή/Άνοιγμα

Αυτό το τεκμήριο εμφανίζεται στις ακόλουθες συλλογές

Εμφάνιση απλής εγγραφής

Αναφορά Δημιουργού - Μη Εμπορική Χρήση - Παρόμοια Διανομή 4.0 Διεθνές
Εκτός από όπου επισημαίνεται κάτι διαφορετικό, το τεκμήριο διανέμεται με την ακόλουθη άδεια:
Αναφορά Δημιουργού - Μη Εμπορική Χρήση - Παρόμοια Διανομή 4.0 Διεθνές