haku: @keyword segmentointi / yhteensä: 38
viite: 8 / 38
| Tekijä: | Savelainen, Antti |
| Työn nimi: | Movement artifact detection from electroencephalogram utilizing accelerometer |
| Liikeartefaktojen havaitseminen aivosähkökäyrästä kiihtyvyysanturin avulla | |
| Julkaisutyyppi: | Diplomityö |
| Julkaisuvuosi: | 2011 |
| Sivut: | 64 + [35] Kieli: eng |
| Koulu/Laitos/Osasto: | Matematiikan ja systeemianalyysin laitos |
| Oppiaine: | Sovellettu matematiikka (Mat-2) |
| Valvoja: | Ehtamo, Harri |
| Ohjaaja: | Särkelä, Mika |
| OEVS: | Sähköinen arkistokappale on luettavissa Aalto Thesis Databasen kautta.
Ohje Digitaalisten opinnäytteiden lukeminen Aalto-yliopiston Harald Herlin -oppimiskeskuksen suljetussa verkossaOppimiskeskuksen 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
Opinnäytteen avaaminen
Opinnäytteen lukeminen
Opinnäytteen tulostus
|
| Sijainti: | P1 Ark Aalto 82 | Arkisto |
| Avainsanat: | EEG AR modeling movement artifact stationarity ROC analysis adaptive segmentation spectral error measure clustering EEG AR mallinnus liikeartefakta stationaarisuus ROC analyysi segmentointi spektri klusterointi |
| Tiivistelmä (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. |
| Tiivistelmä (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. |
| ED: | 2011-09-21 |
INSSI tietueen numero: 42784
+ lisää koriin
INSSI