Please use this identifier to cite or link to this item: https://olympias.lib.uoi.gr/jspui/handle/teiep/11162
Full metadata record
DC FieldValueLanguage
dc.contributor.authorΓκούμα, Μαριάνναel
dc.date.accessioned2020-06-12T07:37:08Z-
dc.date.available2020-06-12T07:37:08Z-
dc.date.issued2020-06-12-
dc.identifier.urihttps://olympias.lib.uoi.gr/jspui/handle/teiep/11162-
dc.rightsΑναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα*
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/3.0/gr/*
dc.subjectΕγκέφαλοςel
dc.subjectΣύστημα διεπαφής εγκεφάλου υπολογιστήel
dc.subjectΜηχανική μάθησηel
dc.titleΤαξινόμηση ηλεκτοεγκεφαλογραφήματος από σύστημα διεπαφής εγκεφάλου υπολογιστή για διαφορετικά οσμικά ερεθίσματαel
heal.typebachelorThesis-
heal.classificationΒιοϊατρική μηχανική.el
heal.classificationΝευρωνικά δίκτυα (Πληροφορική).*
heal.classificationΑλληλεπίδραση ανθρώπου - Ηλεκτρονικού υπολογιστή.*
heal.dateAvailable2024-01-11T12:02:43Z-
heal.languageel-
heal.accessfree-
heal.recordProviderΤ.Ε.Ι. Ηπείρουel
heal.publicationDate2020-04-
heal.bibliographicCitationΓκούμα, Μ, 2020. Ταξινόμηση ηλεκτοεγκεφαλογραφήματος από σύστημα διεπαφής εγκεφάλου υπολογιστή για διαφορετικά οσμικά ερεθίσματα. Πτυχιακή εργασία. Άρτα: Τ.Ε.Ι Ηπείρου. Σχολή Τεχνολογίας Εφαρμογών. Τμήμα Μηχανικών Πληροφορικής Τ.Ε.el
heal.abstractΣτην παρούσα εργασία μελετήθηκε η δυνατότητα διαχωρισμού και ταξινόμηση σημάτων εγκεφάλου, υπό διαφορετικά οσμικά ερεθίσματα. Ο εγκέφαλος είναι ίσως το πιο πολύπλοκο όργανο του ανθρώπινου οργανισμού, του οποίου η λειτουργία ακόμα και σήμερα δεν έχει αποσαφηνιστεί πλήρως. Μια από τις σημαντικότερες μεθόδους παρακολούθησης της εγκεφαλικής δραστηριότητας είναι η ανάλυση των δυναμικών που παράγει ο εγκέφαλος, τα οποία καταγράφονται με ηλεκτρόδια σε συγκεκριμένα σημεία του. Στο παραπάνω πλαίσιο η παρούσα εργασία μελετά την απόκριση του εγκεφάλου σε διαφορετικά ερεθίσματατης αίσθησης της όσφρησης. Για τον σκοπό αυτό διεξήχθησαν καταγραφές ηλεκτροεγκεφαλογραφήματος με χρήση μιας συσκευής διεπαφής Εγκεφάλου Υπολογιστή, (BrainComputerInterface–BCI), εξήχθησαν χαρακτηριστικά από τα σήματα αυτά και εν συνεχεία ταξινομήθηκαν με διαφορετικούς αλγορίθμους ταξινόμησης. Τα αποτελέσματα της ταξινόμησης ανήλθαν άνω του 85% ακρίβεια, γεγονός που υποδηλώνει ότι πράγματι είναι ικανός ο εντοπισμός διαφορετικών αποκρίσεων του εγκεφάλου, όταν το υποκείμενο οσμίζεται διαφορετικά αντικείμενα.el
heal.abstractIn this study, the ability of Machine Learning systems to classify EEG under different smell stimuli was studied. The brain is the most complex organ in the human body, as well as its function has not been fully elucidated. One of the most important methods of monitoring brain activity is the analysis of the potentials produced by the brain, which are recorded with electrodes at specific points. In the above context, the present study investigates the response of the brain to different stimuli of the sense of smell. For this purpose, electroencephalographic recordings were performed using a Brain Computer Interface (BCI) device. A set of features have been extracted from these signals and then the signals are classified with different classification algorithms. The obtained accuracy result is higher than 85% accurate, which suggests that it is indeed capable of detecting different responses in the brain when the subject smells different objects.en
heal.advisorNameΓιαννακέας, Νικόλαοςel
heal.committeeMemberNameΓιαννακέας, Νικόλαοςel
heal.committeeMemberNameΤζάλλας, Αλέξανδροςel
heal.committeeMemberNameΔημόπουλος, Δημήτριοςel
heal.academicPublisherΤ.Ε.Ι. Ηπείρου, Σχολή Τεχνολογικών Εφαρμογών, Τμήμα Μηχανικών Πληροφορικής Τ.Ε.el
heal.academicPublisherIDteiep-
heal.numberOfPages71-
heal.fullTextAvailabilitytrue-
Appears in Collections:Προπτυχιακές εργασίες Τμ. Μηχανικών Πληροφορικής Τ.Ε.

Files in This Item:
File Description SizeFormat 
Gouma, M. _TMP_2020.pdfΠτυχιακή εργασία2.03 MBAdobe PDFView/Open


This item is licensed under a Creative Commons License Creative Commons