Independent component analysis of mgnetoencephalographic signals

No Thumbnail Available
Journal Title
Journal ISSN
Volume Title
Helsinki University of Technology | Diplomityö
Checking the digitized thesis and permission for publishing
Instructions for the author
Date
1999
Major/Subject
Informaatiotekniikka
Mcode
Tik-61
Degree programme
Language
en
Pages
66
Series
Abstract
Riippumattomien komponenttien menetelmä (ICA) ratkaisee ongelman, jossa halutaan löytää tuntemattomat riippumattomat lähteet, niiden lineaarisista sekoitteista. Sitä voidaan käyttää mm. sokeaan lähteen erotteluun ja riippumattomien piirteiden löytämiseen. FastICA on eräs algoritmeista, joka ratkaisee tämän ongelman. Se on osoittautunut nopeudeltaan ylivoimaiseksi muihin yleispäteviin ICA-algoritmeihin verrattaessa ja kuitenkin suunnilleen yhtä tarkaksi. Magnetoenkefalografia (MEG) on kehittynyt mittausmenetelmä aivojen magneettisen aktiivisuuden mittaamiseen. Se on täysin ei-invasiivinen ja mittaa magneettivuon muutoksia kallon pinnalla, joita aiheuttavat synkronissa laukovien neuronien sähköinen aktiivisuus. MEG:llä on erittäin hyvä ajallinen resoluutio, jopa millisekunnin luokkaa, ja sen paikannusresoluutiokin on varsin hyvä, koska jopa useita satoja sensoreita voidaan yhdistää samaan mittalaitteeseen. Koska MEG-data on suuridimensioista ja hyvin monimutkaista, sen analysoimiseen tarvitaan kehittyneitä menetelmiä. Tämä diplomityö soveltaa FastICA:a MEG-dataan, osoittaen, että monet perinteiset tulokset voidaan toistaa ICA:lla ilman aprosimoivaa mallinnusta. Lisäksi työssä esitetään menetelmä häiriöiden, kuten silmien liikkeiden ja sydämen lyöntien, poistamiseen MEG-datasta.
Description
Supervisor
Oja, Erkki
Thesis advisor
Vigario, Ricardo
Keywords
independent component analysis, blind source separation, projection pursuit, magnetoencephalography, decomposition, riippumattomien komponenttien menetelmä, sokea lähteen erottaminen, magnetoenkefalografia, hajotelma
Other note
Citation