STATLAB/Zadanie zaliczeniowe6: Różnice pomiędzy wersjami

Z Brain-wiki
(Utworzono nową stronę "= Problem = W naturalnym śnie zdrowego człowieka występuje około czterech cykli pogłębiania się i spłycania snu. W każdym cyklu, zapisach EEG ze snu, wyróżn...")
 
m
 
(Nie pokazano 14 pośrednich wersji utworzonych przez tego samego użytkownika)
Linia 1: Linia 1:
 +
 +
<br>
 +
<hr>
 +
Projekt proszę przygotować w postaci '''notebooka''' z opisem poszczególnych kroków i własnych przemyśleń. Gotowy projekt proszę przesłać za pomocą systemu kampus.
 +
<hr>
 +
 
= Problem =  
 
= Problem =  
 
W naturalnym śnie zdrowego człowieka występuje około czterech cykli pogłębiania się i spłycania snu.
 
W naturalnym śnie zdrowego człowieka występuje około czterech cykli pogłębiania się i spłycania snu.
Linia 5: Linia 11:
 
=Dane =  
 
=Dane =  
 
Jako przykładowe dane weźmiemy fragment (600 s.) sygnału EEG ze stadium II snu.  
 
Jako przykładowe dane weźmiemy fragment (600 s.) sygnału EEG ze stadium II snu.  
[https://drive.google.com/open?id=0BzwQ_Lscn8yDem5NMlp3cncyd0k inb14_fragment.bin]
+
* [https://drive.google.com/open?id=0BzwQ_Lscn8yDem5NMlp3cncyd0k inb14_fragment.bin]
 
Proszę go ściągnąć i zapisać w lokalnym katalogu.
 
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.
+
* 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]
  
= Wymagania co do projektu =
+
==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 ==
 +
* wykonaj dekompozycję MP sygnału dzielonego na 20 sek. epoki (30 epok). Więcej o dekompozycji MP w [2].
 +
* wykonaj ją dla dwóch wartości parametrów 'energyError' = {0.1, 0.01}. Ponieważ obliczenia na laptopach mogą trwać dość długo to jeśli ktoś woli skorzystać z gotowych ksiązek to można je pobrać tu:
 +
** 'energyError' = {0.1}: https://www.fuw.edu.pl/~jarekz/SYGNALY/MP_projekt/inb14_fragment_smp_01.db
 +
** 'energyError' = {0.01}: 0.01} https://www.fuw.edu.pl/~jarekz/SYGNALY/MP_projekt/inb14_fragment_smp_001.db
 +
** przykładowy konfig do obliczeń 0.01: https://www.fuw.edu.pl/~jarekz/SYGNALY/MP_projekt/inb14_0_01.cfg
 +
* wymuś 50 iteracji na epokę
 +
* wykonaj mapy czas-częstość na podstawie uzyskanych dekompozycji
 +
* przeglądajac parametry atomów, wyszukaj te, które spełniają defnicję wrzeciona (częstość z przedziału 11-16 Hz, czas trwania>0.5 s).
  
 +
==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=
 
=Literatura=

Aktualna wersja na dzień 10:36, 2 lut 2021



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