EEG data analysis by blind source separation methods
Výzva | Štipendiá pre excelentných výskumníkov a výskumníčky R2-R4 |
---|---|
Hlavný riešiteľ | Zuzana Rošťáková |
Prijímateľ | Ústav merania Slovenskej akadémie vied |
Celkový rozpočet | 148 306,80 € |
Príspevok poskytovateľa | 148 306,80 € |
Zdroj financovania | Plán obnovy a odolnosti |
Začiatok realizácie | september 2024 |
Koniec realizácie | august 2026 |
Kategória výskumníka | R2 |
Vedná oblasť | Fyzikálne, technické vedy a matematika |
Anotácia
Metódy hľadania skrytých, priamo nepozorovateľných (latentných) štruktúr (blind source separation methods, BSS) v reálnych dátach patria do skupiny metód strojového učenia bez učiteľa. V nemalej miere sa využívajú pri spracovaní obrazu, medicínskom zobrazovaní alebo v hudbe. Tento projekt sa zameriava najmä na analýzu ľudského elektroencefalogramu (EEG), v ktorom je možné pomocou BSS detegovať úzkopásmové oscilácie reprezentujúce procesy v mozgu, či už u zdravých ľudí alebo pacientov s neurologickými ochoreniami a poškodeniami. Na tento účel sa v praxi často využívajú dvojdimenzionálne BSS, ako je napríklad metóda hlavných alebo nezávislých komponentov, pretože sú ľahko implementovateľné a zrozumiteľné aj pre medicínsku a neurologické komunitu. Vlastnosti získaných latentných komponentov však nie vždy korešpondujú s charakterom reálneho signálu a strácajú tak neurofyziologickú interpretáciu. Metódy tenzorickej dekompozície sú síce komplexnejšie z matematického hľadiska, ale vyznačujú sa vysokou flexibilitou modelu a jeho adaptabilitou na konkrétne reálne dáta. Predkladaný projekt bude skúmať možnosti využitia tenzorickej dekompozície i) pri predspracovaní EEG signálu, detekcií a odstránení artefaktov a nežiadúcich komponentov z EEG, ii) analýze latentnej štruktúry EEG pomocou modelov tenzorickej dekompozície s blokovou štruktúrou umožňujúcou lepšie modelovať vzťahy medzi latentnými komponentami, a iii) analýzu dynamických vlastností EEG latentných komponentov. Nové informácie o latentnej štruktúre EEG ako aj navrhnuté algoritmy prispejú k hlbšiemu pochopeniu procesov prebiehajúcich v mozgu a následne k návrhu procedúr pre liečbu a rehabilitáciu pacientov s neurofyziologickým ochorením alebo poškodením.