Full metadata record
DC pole | Hodnota | Jazyk |
---|---|---|
dc.contributor.advisor | Mouček Roman, Doc. Ing. Ph.D. | |
dc.contributor.author | Hrabík, Václav | |
dc.contributor.referee | Mautner Pavel, Ing. Ph.D. | |
dc.date.accepted | 2024-6-17 | |
dc.date.accessioned | 2024-07-12T09:14:33Z | - |
dc.date.available | 2023-9-8 | |
dc.date.available | 2024-07-12T09:14:33Z | - |
dc.date.issued | 2024 | |
dc.date.submitted | 2024-5-15 | |
dc.identifier | 96731 | |
dc.identifier.uri | http://hdl.handle.net/11025/57239 | - |
dc.description.abstract | Pacienti s paralýzou nervosvalového systému mají těžkou cestu k rehabilitaci. K zefektivnění a zrychlení této rehabilitace je potřeba, aby při rehabilitaci nebyly procvičovány jen svaly, ale i mozek. Pro lepší zapojení mozku se používá Brain-computer interface (BCI). BCI se snaží rozpoznávat mozkové signály a převádět je do příkazů pro zařízení. Za tím účelem využíváme Motor Imagery (MI), kde si pohyb pouze představujeme bez jeho vykonání, protože je dokázáno, že tyto dva stavy jsou téměř totožné. Tyto signály reprezentované pomocí EEG jsou v této práci rozpoznávany aktuálními klasifikátory, jako jsou MLP, CNN, LSTM a Transformer. Tato práce ukázala velkou odlišnost mezi jednotlivými lidmi v experimentech. Nejvíce úspěšní lidé dosáhli až 75 % přesnosti klasifikace jejich pohybu. | cs |
dc.format | 65 | |
dc.language.iso | en | |
dc.publisher | Západočeská univerzita v Plzni | |
dc.rights | Plný text práce je přístupný bez omezení | |
dc.subject | ann | cs |
dc.subject | mlp | cs |
dc.subject | cnn | cs |
dc.subject | lstm. transformer | cs |
dc.subject | strojové učení | cs |
dc.subject | eeg | cs |
dc.subject | představa pohybu | cs |
dc.subject | bci | cs |
dc.subject | mi datasety | cs |
dc.title | Klasifikace pohybu z EEG dat | cs |
dc.title.alternative | Movement classification from EEG data | en |
dc.type | diplomová práce | |
dc.thesis.degree-name | Ing. | |
dc.thesis.degree-level | Navazující | |
dc.thesis.degree-grantor | Západočeská univerzita v Plzni. Fakulta aplikovaných věd | |
dc.thesis.degree-program | Softwarové a informační systémy | |
dc.description.result | Obhájeno | |
dc.description.abstract-translated | Patients with neuromuscular paralysis have a difficult road to rehabilitation. To make this rehabilitation more effective and faster, rehabilitation should not only exercise the muscles but also engage the brain. To achieve that, a Brain-computer interface (BCI) is used. The BCI tries to recognize and translate brain signals into the output commands for devices. For this, we use Motor Imagery (MI), where we imagine the movement without executing it, as it has been proven that these two states are almost identical. In this work, these signals represented by EEG are recognized by recent classifiers such as MLP, CNN, LSTM, and Transformer. This work has shown a large variation between people in the experiments. The most successful people achieved up to 75 % accuracy in classifying their motion. | en |
dc.subject.translated | ann | en |
dc.subject.translated | mlp | en |
dc.subject.translated | cnn | en |
dc.subject.translated | lstm. transformer | en |
dc.subject.translated | machine learning | en |
dc.subject.translated | eeg | en |
dc.subject.translated | motor imagery | en |
dc.subject.translated | bci | en |
dc.subject.translated | mi dataset | en |
Vyskytuje se v kolekcích: | Diplomové práce / Theses (KIV) |
Soubory připojené k záznamu:
Soubor | Popis | Velikost | Formát | |
---|---|---|---|---|
A22N0047P_DP.pdf | Plný text práce | 2,4 MB | Adobe PDF | Zobrazit/otevřít |
A22N0047Phodnoceni-ved.pdf | Posudek vedoucího práce | 423,67 kB | Adobe PDF | Zobrazit/otevřít |
A22N0047Pposudek-op.pdf | Posudek oponenta práce | 122,2 kB | Adobe PDF | Zobrazit/otevřít |
A22N0047Pobhajoba.pdf | Průběh obhajoby práce | 198,1 kB | Adobe PDF | Zobrazit/otevřít |
Použijte tento identifikátor k citaci nebo jako odkaz na tento záznam:
http://hdl.handle.net/11025/57239
Všechny záznamy v DSpace jsou chráněny autorskými právy, všechna práva vyhrazena.