Recognizing Thoughts from Bioelectric Patterns? A Brain-Computer Interface with Deep Learning

Simple item page
dc.contributorAalto-yliopistofi
dc.contributorAalto Universityen
dc.contributor.advisorSiervo, Rosa
dc.contributor.authorLaiho, Jaakko
dc.contributor.schoolPerustieteiden korkeakoulufi
dc.contributor.supervisorJung, Alexander
dc.date.accessioned2020-08-23T17:15:53Z
dc.date.available2020-08-23T17:15:53Z
dc.date.issued2020-08-18
dc.description.abstractThe study aims to implement an inter-person brain-computer interface (BCI) capable of classifying brain activity using a deep learning approach on motor imagery electroencephalography (MI EEG) data. The BCI uses a convolutional neural network (CNN) for feature extraction and classification. Offline training is performed on a new and pre-trained model using filtered EEG signals from an open-source 9-subject 4-class MI EEG data set. Performance is assessed within and between subjects. The new model reaches a mean evaluation accuracy of 58% ± 15% within-subject improved by 2.4% ± 1.3% using a pre-trained model. Between-subjects performance is low with a mean accuracy of 35% ± 11%.en
dc.description.abstractTyössä tutkitaan aivokäyttöliittymää syväoppimisen menetelmillä. Tavoitteena on toteuttaa yleistettävä malli luokittelemaan aivosähkökäyrällä kuvattua motorisiin mielikuviin liittyvää sähköistä aivotoimintaa. Aivokäyttöliittymä poimii piirteitä ja luokittelee aivotoimintaa konvoluutioneuroverkkoihin pohjustuvalla mallilla. Malli optimoidaan käyttäen esisuodatettua avoimen lähdekoodin tiedostoa, joka käsittää yhdeksän henkilön aivotoimintaa ja jossa kukin toistaa neljää motorista mielikuvaa kuvattuna elektroenkefalografialla. Mallin suorituskykyä arvioidaan sekä henkilöidenvälisesti että -sisäisesti. Malli luokitteli aivotoimintaa 58%±15% tarkkuudella ennalta-alustamattattomilla painoarvoilla henkilöidensisäisesti. Mallin tarkkuus parani 2.4%±1.3% siirtovaiku- tuksella. Malli saavutti henkilöidenvälisesti matalamman 35%±11% tarkkuuden.fi
dc.format.extent61 + 6
dc.format.mimetypeapplication/pdfen
dc.identifier.urihttps://aaltodoc.aalto.fi/handle/123456789/46105
dc.identifier.urnURN:NBN:fi:aalto-202008235037
dc.language.isoenen
dc.programmeMaster's Programme in ICT Innovationfi
dc.programme.majorEmbedded Systemsfi
dc.programme.mcodeSCI3024fi
dc.subject.keywordbrain-computer interfacesen
dc.subject.keywordconvolutional neural networksen
dc.subject.keywordmotor imageryen
dc.subject.keyworddeep learningen
dc.subject.keywordtransfer learningen
dc.subject.keywordelectroencephalographyen
dc.titleRecognizing Thoughts from Bioelectric Patterns? A Brain-Computer Interface with Deep Learningen
dc.titleAjatuksen tunnistaminen aivosähkön kuvioista? Aivokäyttöliittymä toteutettuna syväoppimisellafi
dc.typeG2 Pro gradu, diplomityöfi
dc.type.ontasotMaster's thesisen
dc.type.ontasotDiplomityöfi
local.aalto.electroniconlyyes
local.aalto.openaccessyes
Files
Original bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
master_Laiho_Jaakko_2020.pdf
Size:
9.91 MB
Format:
Adobe Portable Document Format
Download
Collections
[dipl] Perustieteiden korkeakoulu / SCI