STATLAB/Zadanie zaliczeniowe6

Z Brain-wiki
Wersja z dnia 10:36, 2 lut 2021 autorstwa Jarekz (dyskusja | edycje)
(różn.) ← poprzednia wersja | przejdź do aktualnej wersji (różn.) | następna wersja → (różn.)



Projekt proszę przygotować w postaci notebooka z opisem poszczególnych kroków i własnych przemyśleń. Gotowy projekt proszę przesłać za pomocą systemu kampus.


Problem

W naturalnym śnie zdrowego człowieka występuje około czterech cykli pogłębiania się i spłycania snu. W każdym cyklu, zapisach EEG ze snu, wyróżnia się tzw. stadia snu odpowiadające różnej jego głębokości. W szczególności stadium II charakteryzuje się występowaniem tzw. wrzecion snu, czyli widocznych w zapisie struktur o częstości 11-16Hz i trwających powyżej 0.5s. Zadaniem projektowym będzie napisanie detektora wrzecion. Osobom zainteresowanym znaczeniem wrzecion i snu polecamy lekturę np. [3].

Dane

Jako przykładowe dane weźmiemy fragment (600 s.) sygnału EEG ze stadium II snu.

Proszę go ściągnąć i zapisać w lokalnym katalogu.

  • Plik zawiera jeden kanał C3-A2.
  • Częstość próbkowania 128Hz.
  • Format 4-bajtowe floaty (dtype = 'float32') zapisane jako little-endian.

Wymagania co do projektu

Projekt powinien prezentować i porównać wyniki dwóch klasyfikatorów. Więcej o klasyfikatorach wrzecion można przeczytać w [1]

Pierwszy klasyfikator:

  • filtruj sygnał filtrem pasmowo-przepustowym w paśmie 11-16 Hz
  • przefiltrowany sygnał podnieś do kwadratu i przefiltruj filtrem dolnoprzepustowym z częstością odcięcia 10 Hz
  • spierwiastkuj uzyskany sygnał
  • wyszukaj momenty, w których sygnał ten przekracza wartość 5 mikroVoltów na okresy dłuższe niż 0.5 s.
  • te okresy to wyszukane tą techniką wrzeciona

Drugi klasyfikator

Prezentacja wyników

  • Przygotuj prezentację wyników umożliwiającą porównanie wzrokowe tego co wskazały oba detektory z oryginalnym sygnałem i z reprezentacją czas-częstość uzyskaną z MP.
  • W jakich sytuacjach wskazania detektorów są zgodne, a w jakich sprzeczne?
  • Jak ta zgodność zależy od wsp. energyError?
  • Jakie własności ma zastosowany filtr?

Literatura

1) Durka PJ, Malinowska U, Zieleniewska M, O’Reilly C, Różański PT, Żygierewicz J. Spindles in Svarog: framework and software for parametrization of EEG transients. Frontiers in Human Neuroscience. 2015;9:258. doi:10.3389/fnhum.2015.00258. https://www.ncbi.nlm.nih.gov/pmc/articles/PMC4424848/

2) Rafał Kuś, Piotr T. Różański and Piotr J. Durka "Multivariate matching pursuit in optimal Gabor dictionaries: mathematical foundations and software for EEG/MEG" BioMedical Engineering OnLine 2013 [1]

3) https://papers.cnl.salk.edu/PDFs/Why%20Do%20We%20Sleep_%202000-3536.pdf