search query: @keyword segmentointi / total: 38
results-list
reference: 8 / 38
« previous | next »
Author:Savelainen, Antti
Title:Movement artifact detection from electroencephalogram utilizing accelerometer
Liikeartefaktojen havaitseminen aivosähkökäyrästä kiihtyvyysanturin avulla
Publication type:Master's thesis
Publication year:2011
Pages:64 + [35]      Language:   eng
Department/School:Matematiikan ja systeemianalyysin laitos
Main subject:Sovellettu matematiikka   (Mat-2)
Supervisor:Ehtamo, Harri
Instructor:Särkelä, Mika
OEVS:
Electronic archive copy is available via Aalto Thesis Database.
Instructions
close

Reading digital theses in the closed network of the Aalto University Harald Herlin Learning Centre

In the closed network of Learning Centre you can read digital and digitized theses not available in the open network.

The Learning Centre contact details and opening hours: https://learningcentre.aalto.fi/en/harald-herlin-learning-centre/

You can read theses on the Learning Centre customer computers, which are available on all floors.

Logging on to the customer computers

  • Aalto University staff members log on to the customer computer using the Aalto username and password.
  • Other customers log on using a shared username and password.

Opening a thesis

  • On the desktop of the customer computers, you will find an icon titled:

    Aalto Thesis Database

  • Click on the icon to search for and open the thesis you are looking for from Aaltodoc database. You can find the thesis file by clicking the link on the OEV or OEVS field.

Reading the thesis

  • You can either print the thesis or read it on the customer computer screen.
  • You cannot save the thesis file on a flash drive or email it.
  • You cannot copy text or images from the file.
  • You cannot edit the file.

Printing the thesis

  • You can print the thesis for your personal study or research use.
  • Aalto University students and staff members may print black-and-white prints on the PrintingPoint devices when using the computer with personal Aalto username and password. Color printing is possible using the printer u90203-psc3, which is located near the customer service. Color printing is subject to a charge to Aalto University students and staff members.
  • Other customers can use the printer u90203-psc3. All printing is subject to a charge to non-University members.
Location:P1 Ark Aalto  82   | Archive
Keywords:EEG
AR modeling
movement artifact
stationarity
ROC analysis
adaptive segmentation
spectral error measure
clustering
EEG
AR mallinnus
liikeartefakta
stationaarisuus
ROC analyysi
segmentointi
spektri
klusterointi
Abstract (eng): EEG, i.e., electroencephalogram provides a tool for diagnosis of neurological diseases, such as epilepsy.
However, EEG recording contains artifacts, i.e., disturbance in a signal not originating from the brain which reduces the performance of automatic diagnosis.
Patient's movements produce pulling forces to the electrodes placed on the scalp shown as movement artifacts in the EEG signal.

In this work, an accelerometer is utilized to detect movement artifacts from the EEG signal.
Movement in the accelerometer signal and potentially resulting movement artifacts in the EEG signal are defined as changes in signals' stationarities.
The developed algorithm is based on autoregressive modeling and the change in stationarity is shown as an increase of model's prediction error.

It will be shown that movement artifacts can be detected automatically.
Parameters derived from the EEG signal will work similarly as an indicator of the encephalopathy level whether the movement artifacts are detected automatically by the algorithm or manually by an expert.
The developed algorithm proved to be promising and so it can be considered to be applied commercially in the future.
Abstract (fin): Aivosähkökäyrän avulla voidaan diagnosoida neurologisia sairauksia kuten epilepsiaa.
Aivosähkökäyrän mittauksiin liittyy artefaktoja eli häiriöitä, jotka eivät synny aivojen toiminnasta.
Artefaktat heikentävät signaalin automaattista analysointia.
Potilaan liike voi synnyttää vetoa päänahalla oleviin mittauselektrodeihin, mikä näkyy liikkeestä johtuvina mittausvirheinä eli liikeartefaktoina signaalissa.

Tässä työssä aivosähkökäyrän lisäksi liikeartefaktojen havaitsemisessa hyödynnetään potilaan otsalle sijoitettua kiihtyvyysanturia.
Liike kiihtyvyysanturin signaalissa ja mahdollisesti siitä johtuvat liikeartefaktat aivosähkökäyrässä näkyvät signaalien stationaarisuuksien muutoksina.
Tässä työssä kehitetty algoritmi havaitsee stationaarisuuden muutoksen autoregressiivisen mallinnuksen ennustevirheen kasvuna.

Liikeartefaktat voidaan poistaa automaattisesti työssä kehitetyllä algoritmilla.
Aivosähkökäyrästä lasketut parametrit toimivat enkephalopatian asteen mittareina yhtä hyvin olivatpa liikeartefaktat poistettu manuaalisesti tai automaattisesti algoritmia käyttäen.
Kehitetty algoritmi osoittautui lupaavaksi joten sen käyttöönottoa voidaan harkita tulevaisuudessa myös kaupallisesti.
ED:2011-09-21
INSSI record number: 42784
+ add basket
« previous | next »
INSSI