Разработка диагностической системы на основе данных ЭЭГ с использованием машинного обучения : магистерская диссертация

Abstract

This work is devoted to the development of a diagnostic system based on EEG data using machine learning. The purpose of the work is to create a system for assessing cognitive functions based on EEG analysis using machine learning methods in the field of diagnosing psychofunctional diseases. An analysis of existing research provided insight into the state of the art in the fields of electroencephalography, multimodal data acquisition, machine learning, and learning approaches. A group of studies was also analyzed where all previously mentioned scientific fields are applied together. As a result of searching and structuring information about the theoretical foundations in the field of electroencephalography, tools and approaches for processing EEG recordings were studied. Based on the results of this work, we collected our own anonymous dataset, processed the data to remove noise and artifacts, created a version of the machine learning model, and also proposed a version of the diagnostic system for the VR environment, applicable in clinical tasks.

Данная работа посвящена разработке диагностической системы на основе данных ЭЭГ с использованием машинного обучения. Цель работы заключается в создании системы оценки когнитивных функций на основе анализа ЭЭГ с применением методов машинного обучения в сфере диагностирования психофункциональных заболеваний. По результатам анализа существующих исследований было получено представление о состоянии сфер электроэнцефалографии, мультимодального сбора данных, машинного обучения, а также подходов к обучению. Также была проанализирована группа исследований, где все ранее упомянутые научные сферы применяются в совокупности. В результате поиска и структурирования информации о теоретических основах в сфере электроэнцефалографии были изучены инструменты и подходы обработки записей ЭЭГ. По итогам данной работы собран собственный анонимный датасет, проведена обработка данных по очистке от шумов и артефактов, создан вариант модели машинного обучения, а также предложен вариант диагностической системы для среды VR, применимый в клинических задачах.