Ανάλυση εγκεφαλογραφήματος με προηγμένες μεθόδους επεξεργασίας σήματος για την υλοποίηση διεπαφής εγκεφάλου - υπολογιστή

RDF 

 
This item is provided by the institution :
National Documentation Centre (EKT)
Repository :
National Archive of PhD Theses
see item page
in the web site of the repository *
share



Semantic enrichment/homogenization by EKT

2010 (EN)
Advanced EEG signal processing methodologies for the implementation of a brain - computer interface
Ανάλυση εγκεφαλογραφήματος με προηγμένες μεθόδους επεξεργασίας σήματος για την υλοποίηση διεπαφής εγκεφάλου - υπολογιστή

Πανούλας, Κωνσταντίνος

Τα συστήματα διεπαφής εγκεφάλου – υπολογιστή αποσκοπούν στην αναγνώριση της θέλησης του χρήστη και τη μετατροπή της σε ένα σήμα ελέγχου, αναλύοντας πληροφορία που προκύπτει από την λειτουργία του εγκεφάλου. Τα συστήματα αυτά χρησιμοποιούνται στην πράξη για την βελτίωση της καθημερινότητας ατόμων με ειδικές ανάγκες με κυριότερο παράδειγμα τα άτομα που πάσχουν από το σύνδρομο του εγκλεισμού, για τα οποία τέτοια συστήματα είναι το μοναδικό κανάλι επικοινωνίας. Μπορούν να χρησιμοποιηθούν επίσης από άτομα με τετραπληγία για επικοινωνία αλλά και σε πιο περιορισμένο βαθμό για τον έλεγχο προσθετικών μελών. Για την υλοποίηση τέτοιων συστημάτων έχει χρησιμοποιηθεί ευρέως το εγκεφαλογράφημα λόγω της μη επεμβατικότητας του, της ευκολίας λήψης του και της συγκριτικά χαμηλής τιμής του απαραίτητου εξοπλισμού. Η πρακτικότητα όμως των υφιστάμενων συστημάτων διεπαφής εγκεφάλου υπολογιστή περιορίζεται τόσο από τη χαμηλή ταχύτητα αναγνώρισης όσο και από τους σχετικά υψηλούς ρυθμούς λανθασμένης αναγνώρισης. Αυτές οι δύο παράμετροι λειτουργούν αρνητικά στην αποδοχή του συστήματος από τους χρήστες. Η παρούσα διατριβή ασχολήθηκε με την επεξεργασία του εγκεφαλογραφήματος αποσκοπώντας στη δημιουργία ενός συστήματος διεπαφής εγκεφάλου-υπολογιστή το οποίο θα μπορεί να αναγνωρίσει με μεγαλύτερη ταχύτητα και περισσότερη αξιοπιστία τις εγκεφαλικές λειτουργίες που μεταφέρουν τη θέληση του χρήστη. Για το σκοπό αυτό χρησιμοποιήθηκε για πρώτη φορά στη συγκεκριμένη ερευνητική περιοχή ο μετασχηματισμός Hilbert-Huang που έχει σχεδιαστεί για την ανάλυση μη στάσιμων και μη γραμμικών σημάτων. Η εφαρμογή του μετασχηματισμού Hilbert-Huang συνδυάστηκε με τον αλγόριθμο Independent Component Analysis για τη δημιουργία ενός εργαλείου το οποίο μπορεί να ανιχνεύσει τη λειτουργία συνειδητά ελεγχόμενων εγκεφαλικών κέντρων. Το εργαλείο αυτό λειτουργεί πιο αξιόπιστα από τις υπάρχουσες μεθόδους στις διεπαφές εγκεφάλου υπολογιστή και επιπλέον μπορεί να χρησιμοποιηθεί και στην ευρύτερη έρευνα της λειτουργίας του εγκεφάλου. Η απόδοση του συγκεκριμένου εργαλείου εξετάστηκε διεξοδικά χρησιμοποιώντας βάσεις δεδομένων που δημιουργήθηκαν για τον έλεγχο αλγορίθμων διεπαφών εγκεφάλου-υπολογιστή στα πλαίσια μιας σειράς παγκόσμιων διαγωνισμών με την ονομασία “BCI Competition”. Αναγνωρίζοντας την ιδιαίτερη σημασία του σταδίου της εκμάθησης στην αποδοχή και την ένταξη στην καθημερινή ζωή ενός ατόμου με αναπηρία μιας διεπαφής εγκεφάλου - υπολογιστή, στα πλαίσια της διατριβής αυτής δημιουργήθηκε ένας αλγόριθμος πολύ υψηλής ακρίβειας ο οποίος αποσκοπεί στην ελαχιστοποίηση του χρόνου εκμάθησης. Ο αλγόριθμος αυτός στηρίζεται στον υπολογισμό του ποσού της πληροφορίας που μεταφέρεται μεταξύ των διαφορετικών περιοχών του εγκεφάλου, όπως αυτές καθορίζονται από τις τοποθεσίες λήψης του εγκεφαλογραφήματος. Συμπερασματικά, οι μέθοδοι που αναπτύχθηκαν στα πλαίσια της διατριβής αυτής αποτελούν μια συνδυαστική αντιμετώπιση του προβλήματος της διεπαφής εγκεφάλου – υπολογιστή με τη χρήση σύγχρονων μεθόδων επεξεργασίας σήματος, όπως ο μετασχηματισμός Hilbert – Huang ο αλγόριθμος ICA και η πολυδιαστατική κοινή πληροφορία. Η ακρίβεια της εκτίμηση της θέλησης του χρήστη που γίνεται με τη χρήση των προτεινόμενων μεθόδων υπερτερεί σημαντικά σε σχέση με τις μεθόδους που χρησιμοποιούνται σήμερα.
Brain computer interface systems are designed to recognize the will of the user and convert it into a control signal by analyzing information recorded directly from the brain. These systems are used to improve the quality of life for people with disabilities, mainly those suffering from the locked in syndrome. For those people such systems are the only available communication channel. They can also be used by people suffering from quadriplegia for communication and to a lesser extent to control prosthetic parts. To implement such systems, EEG has been widely used due to its non invasive nature, its ease of recording, and the comparatively low price of the necessary equipment. The practicality of existing systems is limited both by the low recognition rate and the relatively high rates of incorrect recognition. These two factors prohibit the widespread acceptance of the system by the majority of the users. This thesis deals with the creation of a system of brain-computer interface by using advanced signal processing methodologies to process the EEG in order to recognize faster and more reliably the will of the user. For this purpose, the Hilbert-Huang Transform was used which was originally designed for the analysis of nonstationary and nonlinear signals. The application of the Hilbert-Huang Transform combined with Independent Component Analysis algorithm created an composite algorithm that can detect the activation of consciously controlled brain centers. This algorithm works more reliably than existing methods on brain computer interfaces. The performance of the algorithm was verified by using databases created specifically for the benchmarking of brain-computer interfaces in a series of global competitions under the name "BCI Competition". Acknowledging the importance of the learning stage in the acceptance and integration into the daily life of a disabled person of an brain - computer interface, a very high precision algorithm which aims to minimize the learning curve was created in this thesis. This algorithm is based on the calculation of the amount of information transferred between different brain regions as determined by the locations where the EEG is recorded. In conclusion, the methodology developed in the context of this thesis is a combination of signal processing methods, such as the Hilbert - Huang transformation, the ICA algorithm and multidimensional directed information data. The accuracy of the proposed algorithms in estimating the will of the user is better if compared to the ones used today.

Hilbert Huang transform
Εγκεφαλογράφημα
Πολυδιαστατική κατευθυντική πληροφορία
Διεπαφή εγκεφάλου υπολογιστή
Independent component analysis (ICA)
Πολυδιαστατική κοινή πληροφορία
Multidimensional directed information
Brain computer interfaces

Εθνικό Κέντρο Τεκμηρίωσης (ΕΚΤ) (EL)
National Documentation Centre (EKT) (EN)

2010


Αριστοτέλειο Πανεπιστήμιο Θεσσαλονίκης (ΑΠΘ)
Aristotle University Of Thessaloniki (AUTH)



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