Ψηφιακή επεξεργασία ηλεκτροεγκεφαλογραφήματος (ΗΕΓ) με τη χρήση του λογισμικού OpenViBE

Γιάννη, Άννα - Μαρία

Ψηφιακή επεξεργασία ηλεκτροεγκεφαλογραφήματος (ΗΕΓ) με τη χρήση του λογισμικού OpenViBE

dc.contributor.author	Γιάννη, Άννα - Μαρία	el
dc.contributor.master	ΜΠΣ: Μηχανικών Η/Υ και Δικτύων	el
dc.date.accessioned	2018-10-23T09:46:14Z
dc.date.available	2018-10-23T09:46:14Z
dc.date.issued	2018-10-23
dc.identifier.uri	https://olympias.lib.uoi.gr/jspui/handle/teiep/9337
dc.rights	Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα	*
dc.rights.uri	http://creativecommons.org/licenses/by-nc-nd/3.0/gr/	*
dc.subject	Ηλεκτροεγκεφαλογράφημα	el
dc.subject	Εγκέφαλος	el
dc.subject	OpenViBE	el
dc.subject	WEKA	el
dc.subject	Λογισμικό	el
dc.title	Ψηφιακή επεξεργασία ηλεκτροεγκεφαλογραφήματος (ΗΕΓ) με τη χρήση του λογισμικού OpenViBE	el
heal.abstract	Στην παρούσα διπλωματική αναπτύχθηκε μία μεθοδολογική προσέγγιση για την ανάλυση καταγραφών ηλεκτροεγκεφαλογραφημάτων με χρήση του λογισμικού OpenVibe και την επεξεργασία των σημάτων με το λογισμικό WEKA, με σκοπό την εύρεση του βέλτιστου ταξινομητή των σημάτων. Αρχικά αναλύονται οι λειτουργίες και τα χαρακτηριστικά του εγκεφάλου και του ηλεκτροεγκεφαλογραφήματος και στη συνέχεια παρουσιάζονται βασικές παθήσεις που ανιχνεύονται με τη χρήση των ηλεκτροεγκεφαλογραφημάτων, καθώς επίσης και έξυπνες εφαρμογές που ανιχνεύουν την επιληψία. Στη συνέχεια παρουσιάζονται τα δεδομένα και η υλοποίηση του σεναρίου, καθώς και τα δύο λογισμικά που χρησιμοποιήθηκαν για την επεξεργασία των δεδομένων. Έπειτα ακολουθεί η ερμηνεία των τεσσάρων ταξινομητών που χρησιμοποιήθηκαν. Η διπλωματική εργασία ολοκληρώνεται με την παρουσίαση των αποτελεσμάτων, την αναφορά στον βέλτιστο ταξινομητή των δεδομένων και στη διατύπωση συμπερασμάτων.	el
heal.abstract	In the present thesis, a methodological approach was developed for the analysis of electroencephalographic (EEG) recordings using OpenViBE software platform and the WEKA software in order to find the optimal signal classifier. Initially, the functions and characteristics of the brain and electroencephalography are analyzed, followed by basic diseases detected by the use of electroencephalographs, as well as smart applications that detect epilepsy. The data and the implementation of the OpenViBE scenario, as well as the two software used to process the data, are presented below. Then follows the interpretation of the four classifiers used. The thesis ends with the presentation of the results, the reference to the optimal data classifier and the conclusions.	el
heal.academicPublisher	Σχολή Τεχνολογικών Εφαρμογών. Τμήμα Μηχανικών Πληροφορικής Τ.Ε, Τομέας Μηχανικών Ηλεκτρονικών Υπολογιστών και Δικτύων	el
heal.academicPublisherID	teiep
heal.access	free
heal.advisorName	Τζάλλας, Αλέξανδρος	el
heal.bibliographicCitation	Γιάννη, Α., 2018. Ψηφιακή επεξεργασία ηλεκτροεγκεφαλογραφήματος (ΗΕΓ) με τη χρήση του λογισμικού OpenViBE. Μεταπτυχιακή εργασία. Άρτα: TEI Ηπείρου. Σχολή Τεχνολογικών εφαρμογών.Τμήμα Μηχανικών Πληροφορικής Τ.Ε. Τομέας Μηχανικών Ηλεκτρονικών Υπολογιστών και Δικτύων	el
heal.classification	Λογισμικό - OpenViBE	el
heal.classification	Ανάλυση σήματος	el
heal.dateAvailable	2024-01-06T08:24:04Z
heal.fullTextAvailability	true
heal.generalDescription	Τμήμα Μηχανικών Πληροφορικής Τ.Ε. Τομέας Μηχανικών Ηλεκτρονικών Υπολογιστών και Δικτύων	el
heal.identifier.secondary	Μεταπτυχιακή εργασία
heal.language	el
heal.numberOfPages	106
heal.publicationDate	2018
heal.recordProvider	Τ.Ε.Ι. Ηπείρου	el
heal.type	masterThesis

Αρχεία

Πρωτότυπος φάκελος/πακέτο

Προβολή: 1 - 1 of 1

Ονομα:: ΜΗΧ.ΠΛΡ. ΜΕΤ 3.pdf
Μέγεθος:: 8.09 MB
Μορφότυπο:: Adobe Portable Document Format
Περιγραφή:: Μεταπτυχιακή εργασία

Κατεβάστε

Φάκελος/Πακέτο αδειών

Προβολή: 1 - 1 of 1

Ονομα:: license.txt
Μέγεθος:: 3.54 KB
Μορφότυπο:: Item-specific license agreed upon to submission
Περιγραφή:

Κατεβάστε

Συλλογές

Μεταπτυχιακές εργασίες Τμ. Μηχανικών Πληροφορικής Τ.Ε