Tècniques d'augmentació de dades basades en descomposició tensorial per a models de classificació automàtica de senyals d'electroencefalografia
Les persones amb trastorns neuromotors tenen problemes per a fer aplegar les ordres de moviment als músculs a causa d’una disfunció de les neurones motores. Malgrat això, a hores d’ara, aquests impediments es poden superar en entorns controlats gràcies a la interpretació dels senyals del cervell mit...
| Autor: | |
|---|---|
| Tipo de recurso: | tesis de maestría |
| Fecha de publicación: | 2025 |
| País: | España |
| Institución: | Universitat Oberta de Catalunya (UOC) |
| Repositorio: | O2, repositorio institucional de la UOC |
| OAI Identifier: | oai:openaccess.uoc.edu:10609/152035 |
| Acceso en línea: | https://hdl.handle.net/10609/152035 |
| Access Level: | acceso abierto |
| Palabra clave: | augmentació de dades descomposició tensorial classificació automàtica electroencefalografia interfície cervell-ordinador interfície humà-màquina Signal processing -- TFM Tractament del senyal -- TFM |
| Sumario: | Les persones amb trastorns neuromotors tenen problemes per a fer aplegar les ordres de moviment als músculs a causa d’una disfunció de les neurones motores. Malgrat això, a hores d’ara, aquests impediments es poden superar en entorns controlats gràcies a la interpretació dels senyals del cervell mitjançant electroencefalografia per a determinar la lateralitat de les accions i a la connexió amb els efectors corresponents. No obstant això, hi ha inconvenients clars en l’adaptació dels equips a nous usuaris, atés que es necessita un procés bastant llarg i repetitiu d’entrenament que els provoca cansament i frustració. En aquest context, el present treball té com a finalitat millorar aquesta situació gràcies a la inclusió de dades augmentades per a entrenar els models de classificació automàtica que tracten de discriminar la lateralitat del moviment volgut, de manera que aquest procediment es pot acurtar. L’augmentació es produeix pertorbant dues descomposicions tensorials de les dades originals amb soroll controlat i reconstruint-les. Posteriorment, les dades es processen per tal d’extraure característiques informatives per a la tasca de classificació. Els resultats quantitatius per a nivells moderats d’augmentació i pertorbació de les dades demostren que la proposta és viable per a optimitzar el procés d’adaptació dels models a nous usuaris al mateix temps que s’aconsegueix una millora significativa de les mètriques de rendiment de classificació gràcies al guany que proporciona l’augmentació en capacitat de generalització dels models. |
|---|