Kézmozgatási szándék detektálása EEG jel alapján
Mindennapi teendőink elvégzéséhez végtagjaink elengedhetetlenek. Sajnálatos módon számos embertársunk veszítette el valamely végtagját amputáció vagy idegrendszeri rendellenesség miatt. Az ő számukra egy elveszített végtagjukat pótló szerkezet újból a teljes életet jelentené. Az elektroenkefalográfia (EEG) segítségével betekintést nyerhetünk az emberi agy elektromos aktivitásába, melynek elemzésével információt nyerhetünk a páciens végtagjai mozgatására irányuló szándékáról. Ennek segítségével akár gondolatokkal vezérelt, valósághű, működőképes művégtagokat is készíthetnénk, nem is beszélve sokkal összetettebb agy-számítógép interfészekről.
Az EEG jelek feldolgozásának módja azonban korántsem triviális, ezért a területet világszerte aktívan kutatják. Bár egyre több biztató kísérleti eredményt láthatunk különféle egyetemek és kutatóközpontok publikációiban, egyelőre számos probléma áll még előttünk a megbízható megoldáshoz vezető úton. Elsőként a jelforrásokhoz való hozzáférés jelent problémát. Az EEG jel forrásai, az emberi agyat felépítő neuronok a külső környezettől elzárva, a koponyán belül helyezkednek el. Problémát jelent az agy által képzett elektromos jelek alacsony szintje is. A skalpon mért EEG jelek tipikusan 10 μV és 100 μV körül vannak, így megfelelő felbontással való rögzítésük nem egyszerű feladat. Problémát jelentenek továbbá a felvétel térbeli felbontásának korlátai, az elektromos jeleket felvevő elektródák közti áthallás, a környezeti elektromágneses zajok, valamint az emberi test egyéb aktivitása, például a szemmozgás által generált torzítások.
Többféle megközelítés létezik EEG felvételek feldolgozására ahhoz, hogy az agy motoros aktivitására következtessünk. Az orvostudomány ismer összefüggéseket az agy némely aktivitásai, például mély alvás vagy folyamatos koncentráció, és az EEG jel bizonyos frekvenciatartománybeli tulajdonságai között. Ilyen kitüntetett frekvenciasávok viselik például az alfa, a béta és a mü nevet. Az agy egy adott területéről származó EEG jel egy ilyen frekvenciasávba eső részének teljesítménye jó kiindulópont lehet a lokális aktivitásra való következtetéshez. A jelteljesítményen kívül az elektromos potenciálok változása is hordozhat információt. A motoros kéreg felől rögzített jelek esetén az előbbi mennyiségek az emberi test mozgására irányuló szándék detektálásához nyújtanak segítséget.
Dolgozatomban bemutatom a kézmozgatási szándék felismerésének napjainkban ismert lehetőségeit, valamint egy 12 résztvevős EEG felvétel-sorozat feldolgozását. Ezen felvételek feldolgozására egy adatelemzéssel foglalkozó internetes portál, a Kaggle hirdetett egy versenyt idén nyáron. A felvételek során a résztvevők kézmozdulat-sorozatokat hajtottak végre, melyek egy része időben megjelölésre került, azaz részben rendelkezésre állnak az egyes kézmozdulatok előfordulásának időpontjai. A feladatom egy olyan algoritmus kifejlesztése volt, amely pusztán a rögzített EEG jelekből képes felismerni a kéz mozgatására irányuló szándékot, és ily módon kimutatni a kézmozdulatokat azok megtörténtének időpontjában a felvétel során. Megvizsgálom a feladat szempontjából releváns lehetőségeit az idő- és tértartománybeli szűrésnek, a frekvenciatartományonkénti jelteljesítmény-számításnak, a mozdulatok detektálását segítő mennyiségek származtatásának és az adatokat eseménymentes és kézmozdulat-kategóriákba soroló klasszifikációnak. Bemutatom az általam összeállított detektáló algoritmust, az ahhoz előzetes ismeretként felhasznált adatok feldolgozását, valamint a módszer tesztelését az előző halmaztól elválasztott felvételeken. Az eljárás sikere leginkább osztályozási pontossága, helyes detekcióinak aránya, és téves jelzéseinek mennyisége alapján ítélhető meg. Ezekből kiindulva végzem el az értékelést, mely során kitérek az eljárásnak a kísérletek körbehatárolt színterén kívüli, mindennapok során való alkalmazhatóságára is.
szerző
-
Várszegi Kristóf
Villamosmérnöki szak, mesterképzés
mesterképzés (MA/MSc)
konzulens
-
Dr. Pataki Béla
egyetemi docens, Méréstechnika és Információs Rendszerek Tanszék
