Ιδρυματικό Αποθετήριο
Πολυτεχνείο Κρήτης
Πολυτεχνείο Κρήτης
EN
|
EL
| URI | http://purl.tuc.gr/dl/dias/70AE3E73-7515-4AB7-AB04-87F05990654D | - |
| Αναγνωριστικό | https://doi.org/10.26233/heallink.tuc.66517 | - |
| Γλώσσα | en | - |
| Μέγεθος | 1.77 megabytes | en |
| Τίτλος | Meg data analysis of evoked potentials from visual and auditory stimuli | en |
| Τίτλος | Ανάλυση δεδομένων μαγνητοεγκεφαλογραφήματος από πρόκλητα δυναμικά οπτικού και ακουστικού ερεθίσματος | el |
| Δημιουργός | Patsioura Maria | en |
| Δημιουργός | Πατσιουρα Μαρια | el |
| Συντελεστής [Επιβλέπων Καθηγητής] | Zervakis Michalis | en |
| Συντελεστής [Επιβλέπων Καθηγητής] | Ζερβακης Μιχαλης | el |
| Συντελεστής [Μέλος Εξεταστικής Επιτροπής] | Balas Costas | en |
| Συντελεστής [Μέλος Εξεταστικής Επιτροπής] | Μπαλας Κωστας | el |
| Συντελεστής [Μέλος Εξεταστικής Επιτροπής] | Mania Aikaterini | en |
| Συντελεστής [Μέλος Εξεταστικής Επιτροπής] | Μανια Αικατερινη | el |
| Εκδότης | Πολυτεχνείο Κρήτης | el |
| Εκδότης | Technical University of Crete | en |
| Ακαδημαϊκή Μονάδα | Technical University of Crete::School of Electrical and Computer Engineering | en |
| Ακαδημαϊκή Μονάδα | Πολυτεχνείο Κρήτης::Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών | el |
| Περίληψη | Magnetoencephalogram (MEG) is a useful tool towards the direction of understanding of the mechanisms of human brain having been assessed for its superior accuracy over other modalities. The scope of the present study is the extraction of synchronization features using independent component analysis (ICA) on the MEG recording from normal people after being subjected to an experiment that involves exposure to visual and auditory stimulus. The purpose of this diploma thesis is to process MEG data in order to remove artifacts contaminating the brain activity recordings and then to classify the MEG channels in order to categorize the most important ones, that are most involved in the visual and the auditory brain response, into clusters. For the first task, proper filtering procedures, BSS and ICA methods were used. The application of ICA helps to emerge hidden cerebral and non-cerebral activity and the elimination of non-cerebral activity to the independent components. For the clustering purposes, the method that was used is k-means algorithm, with the help of measures like phase lag index (PLI), energy and kurtosis. Finally, a statistical analysis was performed for the extraction of statistical differences between auditory and visual results. | en |
| Τύπος | Διπλωματική Εργασία | el |
| Τύπος | Diploma Work | en |
| Άδεια Χρήσης | http://creativecommons.org/licenses/by/4.0/ | en |
| Ημερομηνία | 2016-09-30 | - |
| Ημερομηνία Δημοσίευσης | 2016 | - |
| Θεματική Κατηγορία | MEG | en |
| Θεματική Κατηγορία | Bioinformatics | en |
| Θεματική Κατηγορία | Telecommunications | en |
| Βιβλιογραφική Αναφορά | Maria Patsioura, "Meg data analysis of evoked potentials from visual and auditory stimuli", Diploma Work, School of Electrical and Computer Engineering, Technical University of Crete, Chania, Greece, 2016 | en |
| Βιβλιογραφική Αναφορά | Μαρία Πατσιούρα, "Ανάλυση δεδομένων μαγνητοεγκεφαλογραφήματος από πρόκλητα δυναμικά οπτικού και ακουστικού ερεθίσματος", Διπλωματική Εργασία, Σχολή Ηλεκτρολόγων Μηχανικών και Μηχανικών Υπολογιστών, Πολυτεχνείο Κρήτης, Χανιά, Ελλάς, 2016 | el |
Copyright © DIAS 2013
