T. Uktverio daktaro disertacijos „Daugiaklasio EEG signalo klasifikavimo ir įrašymo sistema smegenų-kompiuterio sąsajai“ gynimas

Autorius, institucija: Tomas Uktveris, Kauno technologijos universitetas

Mokslo sritis, kryptis: gamtos mokslai,  informatika – N 009

Mokslinis vadovas: prof. dr.  Vacius Jusas (Kauno technologijos universitetas, gamtos mokslai, informatika – N 009),

Informatikos mokslo krypties disertacijos gynimo taryba:
prof. habil. dr. Rimantas Barauskas (Kauno technologijos universitetas, gamtos mokslai, informatika – N 003) – pirmininkas,
prof. habil. dr. Gintautas Dzemyda (Vilniaus universitetas, gamtos mokslai, informatika – N 009),
prof. dr. Alfonsas Misevičius (Kauno technologijos universitetas, gamtos mokslai, informatika – N 009),
prof. dr. Gintaras Palubeckis (Kauno technologijos universitetas, gamtos mokslai, informatika – N 009),
prof. dr. Raimund Ubar (Talino technologijos universitetas, Estija, gamtos mokslai, informatika – N 009).

Su disertacija galima susipažinti Kauno technologijos universiteto (K. Donelaičio g. 20, 44239 Kaunas), Vytauto Didžiojo universiteto (K. Donelaičio g. 52, Kaunas) ir Vilniaus Gedimino technikos universiteto (Saulėtekio al. 14, 10223 Vilnius) bibliotekose.

Anotacija:

Disertacija analizuoja smegenų-kompiuterio sąsajos (BCI) keturių klasių įsivaizduojamosios motorikos (ĮM) problemą bei įrankių kūrimą smegenų elektroencefalogramos (EEG) įrašymui. Eksperimentiniu būdu, ir panaudojant skaičiavimų programinę įrangą, išanalizuota ir ištirta aibė bruožų išgavimo ir klasifikavimo metodų. Disertacijoje pasiūlytas naujas bruožų išgavimo Kanalų skirtumo metodas, paremtas Juostų galios ir Laplaso filtro metodais, EEG duomenų apdorojimui. Pateiktas metodas leidžia pasiekti artimą tikslumą į gerai žinomą CSP (bendrųjų erdvinių šablonų) algoritmą. Pasiūlytas naujas algoritmas skirtas adaptuoti vienos dimensijos (1D) bruožų vektorių į dviejų dimensijų (2D) bruožų žemėlapius. Šis algoritmas buvo sėkmingai validuotas eksperimentiškai. Sąsukos neuroniniais tinklais (CNN) paremtas metodas buvo adaptuotas keturių klasių ĮM uždaviniui spręsti. Eksperimentiškai gauti rezultatai artimi pažangiausių algoritmų rezultatams. Taip pat sukurta kompaktiška ir modulinė EEG įrašymo techninės įrangos sistema, padėsianti įrašyti antrą keturių klasių ĮM signalų validavimo rinkinį ir skleisti BCI platesnei auditorijai.