Αναγνώριση οφθαλμικών κινήσεων με χρήση διεπαφής εγκεφάλου-υπολογιστή και μεθόδους μηχανικής μάθησης.
Φόρτωση...
Ημερομηνία
Συγγραφείς
Αντωνίου, Ευάγγελος
Μπόζιος, Παύλος
Τίτλος Εφημερίδας
Περιοδικό ISSN
Τίτλος τόμου
Εκδότης
Τ.Ε.Ι. Ηπείρου, Σχολή Τεχνολογικών Εφαρμογών, Τμήμα Μηχανικών Πληροφορικής Τ.Ε.
Περίληψη
Τύπος
Είδος δημοσίευσης σε συνέδριο
Είδος περιοδικού
Είδος εκπαιδευτικού υλικού
Όνομα συνεδρίου
Όνομα περιοδικού
Όνομα βιβλίου
Σειρά βιβλίου
Έκδοση βιβλίου
Συμπληρωματικός/δευτερεύων τίτλος
Περιγραφή
Στην παρούσα διπλωματική εργασία παρουσιάζονται βασικές έννοιες Διεπαφής του ανθρώπινου εγκεφάλου σε σχέση με τον υπολογιστή (BCI), τα σήματα που προκύπτουν από αυτή την σχέση είναι τα EEG και EOG και σχετίζονται κυρίως με τις κινήσεις των ματιών. Η επεξεργασία τους πραγματοποιήθηκε στο λογισμικό της Matlab με χρήση κατάλληλων φίλτρων με σκοπό την εξαγωγή των ενεργειών κάθε σήματος, καθώς και την περαιτέρω επεξεργασία και εκπαίδευση των τιμών των ενεργειών στο λογισμικό Weka, με σκοπό την αναγνώριση των επιθυμητών οφθαλμικών κινήσεων. Τα δείγματα λήφθηκαν σε πραγματικό χρόνο έτσι ώστε να γίνεται άμεσα η αναγνώριση των κινήσεων που εκπροσωπούν. Οι κινήσεις χωρίζονται σε 4 κατηγορίες (Classes) οι οποίες ήταν οι εξής: η κατάσταση {0 – 1} για την κίνηση των κλειστών και των ανοιχτών ματιών, η κατάσταση {2 – 3} για τις οριζόντιες κινήσεις δηλαδή την δεξιά και την αριστερή κίνηση των ματιών, η κατάσταση {4 – 5} για τις κάθετες κινήσεις δηλαδή την πάνω και την κάτω κίνηση των ματιών, ενώ υπήρξε μια ακόμη κατάσταση η οποία περιλαμβάνει όλες τις παραπάνω {0, 1, 2, 3, 4, 5}. Όλες οι καταστάσεις των οφθαλμικών κινήσεων, εκπαιδεύτηκαν από μια σειρά ταξινομητών / κατηγοριοποιητών με σκοπό τη αναγνώριση της εκάστοτε κίνησης. Συνεπώς, σημειώθηκε ένα ικανοποιητικό εύρος ποσοστών επιτυχίας αναγνώρισης των κινήσεων κατά την διαδικασία εκπαίδευσής τους, το οποίο στη συνέχεια δοκιμάστηκε με ένα σύνολο δεδομένων ελέγχου. Τα αποτελέσματα ήταν εξίσου ικανοποιητικά και οι κινήσεις αναγνωρίστηκαν με ένα μεγάλο ποσοστό επιτυχίας, εκπληρώνοντας έτσι τον στόχο της παρούσας διπλωματικής εργασίας.
In this diploma thesis, basic concepts are being presented about the interface of the human brain in relation to the computer (BCI), the signals resulting from this relation are called EEG and EOG and they are mainly related to the eye movements. They were processed in the software of Matlab using appropriate filters to extract the energies of each signal, as well as further processing and training took place on the values of the energies in the software of Weka in order to identify the desired eye movements. The samples were captured in real time so the movements that they represent can be recognized immediately. The movements are divided into the following 4 classes: the state {0 – 1} for the closed and open movement of the eyes, the state {2 – 3} for the horizontal movements which stands for the right and the left movement of the eyes, the state {4 – 5} for the vertical movements which stands for the upper and the lower eye movement and finally one last state which includes all the above {0, 1, 2, 3, 4, 5}. All eye movements were trained by a number of classifiers in order to identify each movement. As a result, there was a satisfactory range of success rates for recognizing movements during their training set process, which process was then tested with a test set. The results of the test set were equally satisfactory and the movements were recognized with a high success rate, thus fulfilling the goal of this diploma thesis.
In this diploma thesis, basic concepts are being presented about the interface of the human brain in relation to the computer (BCI), the signals resulting from this relation are called EEG and EOG and they are mainly related to the eye movements. They were processed in the software of Matlab using appropriate filters to extract the energies of each signal, as well as further processing and training took place on the values of the energies in the software of Weka in order to identify the desired eye movements. The samples were captured in real time so the movements that they represent can be recognized immediately. The movements are divided into the following 4 classes: the state {0 – 1} for the closed and open movement of the eyes, the state {2 – 3} for the horizontal movements which stands for the right and the left movement of the eyes, the state {4 – 5} for the vertical movements which stands for the upper and the lower eye movement and finally one last state which includes all the above {0, 1, 2, 3, 4, 5}. All eye movements were trained by a number of classifiers in order to identify each movement. As a result, there was a satisfactory range of success rates for recognizing movements during their training set process, which process was then tested with a test set. The results of the test set were equally satisfactory and the movements were recognized with a high success rate, thus fulfilling the goal of this diploma thesis.
Περιγραφή
Λέξεις-κλειδιά
Διεπαφή Εγκεφάλου - Υπολογιστή, Ηλεκτροεγκεφαλογράφημα, Ηλεκτροοφθαλμογράφημα, Βϊοσήματα, Brain – Computer Interface (BCI), Electroencephalography (EEG), Electrooculography (EOG), Biosignals
Θεματική κατηγορία
Βιοϊατρική Τεχνολογία, Μηχανική Μάθηση
Παραπομπή
Σύνδεσμος
Πτυχιακή Εργασία
Γλώσσα
el
Εκδίδον τμήμα/τομέας
Τ.Ε.Ι. Ηπείρου, Σχολή Τεχνολογικών Εφαρμογών, Τμήμα Μηχανικών Πληροφορικής Τ.Ε.
Όνομα επιβλέποντος
Τζάλλας, Αλέξανδρος
Εξεταστική επιτροπή
Γιαννακέας, Νικόλαος
Τζημούρτα, Αικατερίνη
Τζημούρτα, Αικατερίνη
Γενική Περιγραφή / Σχόλια
Ίδρυμα και Σχολή/Τμήμα του υποβάλλοντος
Τ.Ε.Ι. Ηπείρου
Πίνακας περιεχομένων
Χορηγός
Βιβλιογραφική αναφορά
Αντωνίου, Ε., & Μπόζιος, Π., 2020. Αναγνώριση Οφθαλμικών Κινήσεων με Χρήση Διεπαφής Εγκεφάλου - Υπολογιστή και Μεθόδους Μηχανικής Μάθησης. Πτυχιακή εργασία. Άρτα : T.E.I. Ηπείρου. Σχολή Τεχνολογικών Εφαρμογών. Μηχανικών Πληροφορικής Τ.Ε.
Ονόματα συντελεστών
Αριθμός σελίδων
154
Λεπτομέρειες μαθήματος
item.page.endorsement
item.page.review
item.page.supplemented
item.page.referenced
Άδεια Creative Commons
Άδεια χρήσης της εγγραφής: Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα