Return to search

Μελέτη διαγνωστικού μηχανήματος επιληψίας με επεξεργασία σημάτων ηλεκτροεγκεφαλογράφου

Η παρούσα εργασία αποτελεί μια θεωρητική μελέτη των παραμέτρων
που επηρεάζουν και συνιστούν ένα διαγνωστικό μηχάνημα επιληψίας. Η
εργασία χωρίζεται σε δύο μέρη. Στο πρώτο μέρος και στο πρώτο
κεφάλαιο επιχειρείται μια συνεκτική και απλουστευμένη παρουσίαση του
πεδίου εφαρμογής του ηλεκτροεγκεφαλογραφήματος, του εγκεφάλου.
Δίνεται επίσης μια εικόνα για τους μηχανισμούς της προέλευσης των
σημάτων που καταγράφονται στο ΗΕΓ. Τέλος γίνεται αναφορά στη νόσο
της επιληψίας και τους τύπους των κρίσεων που παρουσιάζονται. Στο
δεύτερο κεφάλαιο γίνεται αναφορά στις μεθόδους που έχουν
χρησιμοποιηθεί για την καταγραφή και την απεικόνιση των σημάτων του
εγκεφάλου και ειδικότερα στο ΗΕΓ. Πιο συγκεκριμενα παρουσιάζεται ο
μηχανισμός καταγραφής του ΗΕΓ καθώς και οι ρυθμοί της εγκεφαλικής
δραστηριότητας που αποτυπόνωνται. Στο δεύτερο μέρος περιγράφονται
τα εργαλεία που χρησιμοποιεί ένα διαγνωστικό μηχάνημα. Στο τρίτο
κεφάλαιο δίνεται μετασχηματισμός wavelet που αποτελεί χρήσιμο
εργαλείο στην ανάλυση των βιοσημάτων. Στο τέταρτο κεφάλαιο
παρουσιάζεται η ανάλυση ανεξάρτητων συνιστωσών (ICA), απαραίτητη
για το διαχωρισμό των καταγραφόμενων σημάτων και στο κεφάλαιο 5
περιγράφονται μερικές παράμετροι που εξάγονται από τα βιοσήματα και
βοηθούν στην καλύτερη επεξεργασία τους. Στο κεφάλαιο 6
περιγράφονται κάποια χαρακτηριστικά των νευρωνικών δικτύων(βασικό
τμήμα ενός διαγνωστικόυ μηχανήματος) καθώς και ο αλγόριθμος
οπίσθιας διάδοσης σφάλματος που χρησιμεύει στην εκπαίδευση των
νευρωνικών δικτύων. Τέλος στο έβδομο κεφάλαιο γίνεται μια τυπική
εκπαίδευση νευρωνικού δικτύου με μονοκάναλα δεδομένα, μετά από
κατάλληλη επεξεργασία. / -

Identiferoai:union.ndltd.org:upatras.gr/oai:nemertes:10889/2579
Date19 January 2010
CreatorsΚεχαγιάς, Αργύριος
ContributorsΔερματάς, Ευάγγελος, Kehagias, Argirios, Δερματάς, Ευάγγελος, Φακωτάκης, Νικόλαος
Source SetsUniversity of Patras
Languagegr
Detected LanguageGreek
TypeThesis
Rights0

Page generated in 0.0018 seconds