haku: @keyword koherenssi / yhteensä: 5
hakutulos-lista
viite: 5 / 5
« edellinen | seuraava »
Tekijä:Viinikainen, Mikko
Työn nimi:Dynamic imaging of coherent sources: simulations and estimation of parameters
Julkaisutyyppi:Diplomityö
Julkaisuvuosi:2004
Sivut:11+70      Kieli:   eng
Koulu/Laitos/Osasto:Teknillisen fysiikan ja matematiikan osasto
Oppiaine:Matematiikka   (Mat-1)
Valvoja:Eirola, Timo
Ohjaaja:Salmelin, Riitta
OEVS:
Sähköinen arkistokappale on luettavissa Aalto Thesis Databasen kautta.
Ohje
sulje

Digitaalisten opinnäytteiden lukeminen Aalto-yliopiston Harald Herlin -oppimiskeskuksen suljetussa verkossa

Oppimiskeskuksen suljetussa verkossa voi lukea sellaisia digitaalisia ja digitoituja opinnäytteitä, joille ei ole saatu julkaisulupaa avoimessa verkossa.

Oppimiskeskuksen yhteystiedot ja aukioloajat: https://learningcentre.aalto.fi/fi/harald-herlin-oppimiskeskus/

Opinnäytteitä voi lukea Oppimiskeskuksen asiakaskoneilla, joita löytyy kaikista kerroksista.

Kirjautuminen asiakaskoneille

  • Aalto-yliopistolaiset kirjautuvat asiakaskoneille Aalto-tunnuksella ja salasanalla.
  • Muut asiakkaat kirjautuvat asiakaskoneille yhteistunnuksilla.

Opinnäytteen avaaminen

  • Asiakaskoneiden työpöydältä löytyy kuvake:

    Aalto Thesis Database

  • Kuvaketta klikkaamalla pääset hakemaan ja avaamaan etsimäsi opinnäytteen Aaltodoc-tietokannasta. Opinnäytetiedosto löytyy klikkaamalla viitetietojen OEV- tai OEVS-kentän linkkiä.

Opinnäytteen lukeminen

  • Opinnäytettä voi lukea asiakaskoneen ruudulta tai sen voi tulostaa paperille.
  • Opinnäytetiedostoa ei voi tallentaa muistitikulle tai lähettää sähköpostilla.
  • Opinnäytetiedoston sisältöä ei voi kopioida.
  • Opinnäytetiedostoa ei voi muokata.

Opinnäytteen tulostus

  • Opinnäytteen voi tulostaa itselleen henkilökohtaiseen opiskelu- ja tutkimuskäyttöön.
  • Aalto-yliopiston opiskelijat ja henkilökunta voivat tulostaa mustavalkotulosteita Oppimiskeskuksen SecurePrint-laitteille, kun tietokoneelle kirjaudutaan omilla Aalto-tunnuksilla. Väritulostus on mahdollista asiakaspalvelupisteen tulostimelle u90203-psc3. Väritulostaminen on maksullista Aalto-yliopiston opiskelijoille ja henkilökunnalle.
  • Ulkopuoliset asiakkaat voivat tulostaa mustavalko- ja väritulosteita Oppimiskeskuksen asiakaspalvelupisteen tulostimelle u90203-psc3. Tulostaminen on maksullista.
Sijainti:P1 Ark TF80     | Arkisto
Avainsanat:magnetoencephalography
dynamic imaging
coherence
generative model
simulated data
magnetoenkefalografia
dynaaminen kuvantaminen
koherenssi
generatiivinen malli
simuloitu data
Tiivistelmä (fin): Aivojen tuottamien sähkömagneettisten kenttien kuvantaminen on siirtymässä vaiheeseen, jossa yksittäisten lähdealueiden lisäksi voidaan tutkia eri aivoalueiden välisiä kytkentöjä.
Tutkimus auttaa hahmottamaan, millaisessa ajallisessa jatkumossa informaation käsittely tapahtuu - toisaalta terveissä ja toisaalta epäterveissä ihmisaivoissa.
Dynaaminen koherenssikuvantaminen (DICS) on datan rakenteeseen mukautuva menetelmä, joka on erityisesti suunniteltu lineaaristen vuorovaikutusten tutkimiseen.

Tässä diplomityössä kehitettiin ohjelmisto magnetoenkefalografisten (MEG) signaalien simulointiin.
Tavoitteena oli tuottaa MEG-dataa, jonka taustalla olevien prosessien tilastolliset ominaisuudet ovat tunnetut ja säädeltävissä.
Simulointien avulla pystyttiin analysoimaan DICS:n toimivuutta ja käyttäytymistä, kun eri osatekijöitä muuteltiin kontrolloidusti.
Sensorien havaitsema signaali on peräisin lähdealueiden aikasarjoista, kohinalähteistä sekä ulkopuolisista häiriöistä.

Aikasarjojen simulointiin valittiin kaksi lähestymistapaa: taajuusmoduloidut sinisignaalit ja oikean datan rakenteelle pohjautuva generatiivinen malli.
Jälkimmäisessä menetelmässä todellisista lähdeavaruuden aikasarjoista etsittiin ominaispiirteitä, joita yhdistämällä tuotettiin tilastollisilta ominaisuuksiltaan realistista dataa.
Kanta-aikasarjojen painokertoimia laskettiin Markov-ketju Monte-Carlo -menetelmällä.

Työssä tutkittiin kohinaprofiilin ja -tason, regularisoinnin sekä pään mallin vaikutusta DICS:n laskemien estimaattien tarkkuuteen.
Kohinan rakenne vaikutti merkittävästi lähdealueiden paikannukseen.
Tulokset olivat hyviä realistisella kohinalla.
Tilastolliset estimaatit muuttuivat epälineaarisesti regularisointia muutettaessa, eikä yleispätevää optimia ole olemassa.
Koonnoksena tuloksista suositellaan regularisoinnissa arvoa alfa0 noin 0.1.
Tiivistelmä (eng): Imaging of the electromagnetic fields of the brain is turning to a new phase: in addition to individual sources one is able to investigate the connections between different brain areas.
The research helps to understand in what kind of temporal continuum the information processing occurs -on the one hand in a healthy human brain and, on the other hand, in a disordered one.
Dynamic imaging of coherent sources (DICS) is a data-driven method which is specifically designed for investigation of linear interactions.

In this Master's thesis, software for simulating magnetoencephalographic (MEG) signals was developed.
The objective was to create MEG data whose underlying processes have known and reusable statistical properties.
With simulations the performance and behaviour of DICS could be analysed, while different influencing factors were varied in a controlled way.
The signals detected on sensors originate from the time series of source areas, noise sources and external disturbances.

Two approaches were taken to the simulation of time series: frequency modulated sine waves and a generative model based on the structure of real data.
In the latter method, basis features were sought from actual time series in the source space, and combining the features one produced data with realistic statistical properties.
Coefficients for the basis time series were calculated using Markov Chain Monte Carlo.
The work investigated the influence of noise profile and level, regularization and head model on the accuracy of estimates that DICS calculated.
The structure of noise affected considerably the localization of sources.
The results were good with realistic noise.
Estimated statistics varied non-linearly as a function of regularization, and no general optimum exists.
As a summary of the results alpha0 about 0.1 is recommended in the regularization.
ED:2004-07-14
INSSI tietueen numero: 25441
+ lisää koriin
« edellinen | seuraava »
INSSI