Αναγνώριση οφθαλμικών κινήσεων με χρήση διεπαφής εγκεφάλου-υπολογιστή και μεθόδους μηχανικής μάθησης.
dc.contributor.author | Αντωνίου, Ευάγγελος | el |
dc.contributor.author | Μπόζιος, Παύλος | el |
dc.date.accessioned | 2020-07-13T11:29:50Z | |
dc.date.available | 2020-07-13T11:29:50Z | |
dc.date.issued | 2020-07-13 | |
dc.identifier.uri | https://olympias.lib.uoi.gr/jspui/handle/teiep/11390 | |
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 | Διεπαφή Εγκεφάλου - Υπολογιστή | el |
dc.subject | Ηλεκτροεγκεφαλογράφημα | el |
dc.subject | Ηλεκτροοφθαλμογράφημα | el |
dc.subject | Βϊοσήματα | el |
dc.subject | Brain – Computer Interface (BCI) | en |
dc.subject | Electroencephalography (EEG) | en |
dc.subject | Electrooculography (EOG) | en |
dc.subject | Biosignals | el |
dc.title | Αναγνώριση οφθαλμικών κινήσεων με χρήση διεπαφής εγκεφάλου-υπολογιστή και μεθόδους μηχανικής μάθησης. | el |
heal.abstract | 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. | el |
heal.abstract | 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. | en |
heal.academicPublisher | Τ.Ε.Ι. Ηπείρου, Σχολή Τεχνολογικών Εφαρμογών, Τμήμα Μηχανικών Πληροφορικής Τ.Ε. | el |
heal.academicPublisherID | teiep | el |
heal.access | free | el |
heal.advisorName | Τζάλλας, Αλέξανδρος | el |
heal.bibliographicCitation | 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. | el |
heal.classification | Βιοϊατρική Τεχνολογία | el |
heal.classification | Μηχανική Μάθηση | el |
heal.committeeMemberName | Γιαννακέας, Νικόλαος | el |
heal.committeeMemberName | Τζημούρτα, Αικατερίνη | el |
heal.dateAvailable | 2024-01-11T00:27:07Z | |
heal.fullTextAvailability | true | |
heal.identifier.secondary | Πτυχιακή Εργασία | el |
heal.language | el | el |
heal.numberOfPages | 154 | el |
heal.publicationDate | 2020-07-03 | |
heal.recordProvider | Τ.Ε.Ι. Ηπείρου | el |
heal.type | bachelorThesis | el |
Αρχεία
Πρωτότυπος φάκελος/πακέτο
1 - 1 of 1
Φόρτωση...
- Ονομα:
- Antoniou, E., Bozios, P._TMP_2020.pdf
- Μέγεθος:
- 5.07 MB
- Μορφότυπο:
- Adobe Portable Document Format
- Περιγραφή:
Φάκελος/Πακέτο αδειών
1 - 1 of 1
Φόρτωση...
- Ονομα:
- license.txt
- Μέγεθος:
- 3.54 KB
- Μορφότυπο:
- Item-specific license agreed upon to submission
- Περιγραφή: