EEG signal processing. Hybrid methods for EOG artifact rejection

see the original item page
in the repository's web site and access all digital files if the item*

2009 (EN)
Επεξεργασία ηλεκτροεγκεφαλογραφικών σημάτων. Υβριδικές μέθοδοι καθαρισμού των οφθαλμικών παρασίτων
EEG signal processing. Hybrid methods for EOG artifact rejection

Κλάδος, Μανούσος Ανδρέα

The aim of the present MSc thesis is to study the existing EOG artifact rejection techniques, to point their main drawbacks and to introduce a novel method which tries to deal with the aforementioned drawbacks.This method decomposes the EEG into statistical independent components (IC) using a Blind Source Separation (BSS) algorithm and then filters the ICs using a regression algorithm. In order to conclude which combination performs better we have compared four BSS techniques and four regression algorithms. For the evaluation of the performance of each BSS algorithm, three criteria were used. One concerns the distortion of EEG signals during the decomposition procedure, while the rest two concern the ability of each BSS method to separate properly EOG artifacts from prefrontal activity and its optimization check in case where the EOG channels are included in the separation procedure. The comparison criteria of regression algorithms concern their ability to remove the ocular artifacts from EEG signals and the quantification of the introduced disturbance, to underlying EEG signals, during the cleaning procedure. In the First Chapter we introduce some fundamental knowledge about the human brain and the EEG and we will see how the ocular movements distort the EEG signals. In the Second Chapter the data used for the current analysis will be presenteted and we will discuss five BSS algorithms with four artifact rejection techniques based on them. At last four artifact rejection techniques based on regression analysis will be studied. In the Third Chapter we introduce the hybrid algorithm proposed by the current thesis which will be followed by the optimization study. Also the optimized algorithm will be compared with other artifact rejection techniques. Finally we will present a guide for the algorithm’s GUI developed in MATLAB.
Σκοπός της παρούσας εργασίας είναι να μελετήσει τις υπάρχουσες τεχνικές καθαρισμού των οφθαλμικών παρασίτων, να επισημάνει τις αδυναμίες τους και να προτείνει μια νέα μέθοδο η οποία προσπαθεί να βρει λύση σε κάποια προβλήματα που παρουσιάζουν οι υπόλοιπες. Η μέθοδος αυτή αποσυνθέτει τα ΗΕΓ σήματα σε στατιστικώς ανεξάρτητες (σ.α.) πηγές με την χρήση ενός αλγορίθμου τυφλής επεξεργασίας σήματος και έπειτα καθαρίζει τις πηγές με την χρήση ενός αλγορίθμου γραμμικής παλινδρόμησης. Για την εύρεση του πιο αποτελεσματικού συνδυασμού αλγορίθμων συγκρίθηκαν πέντε αλγόριθμοι τυφλής επεξεργασίας σήματος και τέσσερις αλγόριθμοι γραμμικής παλινδρόμησης. Τα κριτήρια σύγκρισης των πρώτων αλγορίθμων αφορούσαν, τον επηρεασμό των ΗΕΓ σημάτων κατά την διάρκεια της αποσύνθεσης σε σ.α. συνιστώσες, την ικανότητα του κάθε αλγορίθμου να ξεχωρίζει την εγκεφαλική δραστηριότητα του προμετωπιαίου λοβού από τα οφθαλμικά παράσιτα και αν αυτή η ικανότητα γίνεται πιο εύρωστη στην περίπτωση που εισάγουμε τα ΗΟΓ κανάλια στην διαδικασία της αποσύνθεσης. Τα κριτήρια αξιολόγησης των αλγορίθμων γραμμικής παλινδρόμησης αφορούσαν την ικανότητα αυτών των αλγορίθμων να αφαιρούν τα οφθαλμικά παράσιτα και την ποσοτικοποίηση της διαταραχής που εισάγουν στο γνήσιο σήμα κατά την διάρκεια του καθαρισμού. Στο Πρώτο Κεφάλαιο της παρούσας εργασίας θα δούμε κάποια εισαγωγικά πράγματα για τον εγκέφαλο και το ΗΕΓ καθώς και για οφθαλμικά παράσιτα και το πώς αυτά επηρεάζουν το ΗΕΓ. Στο Δεύτερο Κεφάλαιο θα παρουσιάσουμε τα δεδομένα στα οποία έγιναν οι αναλύσεις, θα δούμε πέντε αλγορίθμους τυφλής επεξεργασίας σήματος καθώς και τέσσερις μεθόδους καθαρισμού των οφθαλμικών παρασίτων που βασίζονται σε αυτούς. Εντέλει θα παρουσιάσουμε τέσσερις τεχνικές καθαρισμού των οφθαλμικών παρασίτων που βασίζονται στη θεωρεία της γραμμικής παλινδρόμησης. Στο Τρίτο και τελευταίο Κεφάλαιο θα παρουσιάσουμε τον υβριδικό αλγόριθμο που προτείνει η παρούσα εργασία καθώς και όλη την διαδικασία βελτιστοποίησης του. Θα γίνει επίσης σύγκριση της απόδοσης του με ήδη υπάρχουσες τεχνικές καθαρισμού των οφθαλμικών παρασίτων και στο τέλος της εργασίας θα παρουσιαστεί το γραφικό περιβάλλον του αλγορίθμου υλοποιημένο σε MATLAB.

Postgraduate Thesis / Μεταπτυχιακή Εργασία

Καθαρισμός Οφθαλμικών Παρασίτων
EOG Artifact Rejection EEG
Γραμμική Παλινδρόμηση
ICA Regression

Αριστοτέλειο Πανεπιστήμιο Θεσσαλονίκης (EL)
Aristotle University of Thessaloniki (EN)



Αριστοτέλειο Πανεπιστήμιο Θεσσαλονίκης, Ιατρική Σχολή

This record is part of 'IKEE', the Institutional Repository of Aristotle University of Thessaloniki's Library and Information Centre found at Unless otherwise stated above, the record metadata were created by and belong to Aristotle University of Thessaloniki Library, Greece and are made available to the public under Creative Commons Attribution-ShareAlike 4.0 International license ( Unless otherwise stated in the record, the content and copyright of files and fulltext documents belong to their respective authors. Out-of-copyright content that was digitized, converted, processed, modified, etc by AUTh Library, is made available to the public under Creative Commons Attribution-ShareAlike 4.0 International license ( You are kindly requested to make a reference to AUTh Library and the URL of the record containing the resource whenever you make use of this material.

*Institutions are responsible for keeping their URLs functional (digital file, item page in repository site)