Az EEG (elektroenkefalográfia) az agyi tevékenység mérésének egy hatékony és nem invazív módszere, amely során az agy elektromos aktivitását rögzítik az agyfelszínre helyezett elektródák segítségével. Az EEG adatok elemzése hatalmas potenciállal bír az agyi állapotok és betegségek diagnosztizálásában, például epilepszia, alvászavarok, vagy különböző neurológiai rendellenességek esetén. A projektfeladat célja az EEG adatok mélytanulási algoritmusokkal történő feldolgozása és az azokból nyert információk használata különböző agyi állapotok és betegségek klasszifikálására. A projekt során a következő fő területekre összpontosítunk: EEG-adatok előfeldolgozása, LSTM, konvolúciós és transformer hálók alkalmazása EEG jelek elemzésére és klasszifikációjára. A projekt lehetőséget nyújt a mélytanulási algoritmusok gyakorlati alkalmazásával, egyben az agyi állapotok diagnosztizálásának egy modern és izgalmas módszerével megismerkedni. A projektben végzett munkával hozzájárulhatnak az EEG témájú kutatásokhoz és a diagnosztika területén történő fejlesztésekhez.
Hivatkozások
[1] Goodfellow, Ian, Yoshua Bengio, and Aaron Courville. Deep learning. MIT Press, 2016. http://www.deeplearningbook.org/
[2] Zhang, Aston, et al. Dive into deep learning. https://d2l.ai/
[3] Libenson, Mark H. Practical approach to electroencephalography. Elsevier Health Sciences, 2009.
[4] Schirrmeister, Robin Tibor, et al. Deep learning with convolutional neural networks for EEG decoding and visualization. Human brain mapping 38 (11) (2017): 5391-5420.
https://scholar.google.hu/scholar?cluster=15169149505343429564