• A
  • A
  • A
  • АБB
  • АБB
  • АБB
  • А
  • А
  • А
  • А
  • А
Обычная версия сайта

Применение нейронных сетей для декодирования кинематических параметров движения из ECoG сигналов

ФИО студента: Петросян Артур Тигранович

Руководитель: Осадчий Алексей Евгеньевич

Кампус/факультет: Факультет компьютерных наук

Программа: Науки о данных (Магистратура)

Год защиты: 2018

В данной работе мы исследуем возможности улучшения качества декодирования электрокортикографических (ЭКоГ) сигналов, записанных с сенсомоторной коры головного мозга в параметры кинематики конечности с помощью методов глубокого обучения. Мы демонстрируем, что свёрточные нейронные сети способны достичь существенно более высоких точностных характеристик. Нам удалось построить архитектуру на основе глубинных свёрточных сетей, которая в большинстве наших экспериментов обеспечила на 20\% более высокую точность декодирования траектории пальца по сравнению как с вариациями классических регрессионных методов, так и с архитектурами нейронных сетей, предложенных в предыдущих научных работах. Визуализация градиентов нейросетей (анализ чувствительности) наглядно демонстрирует, что электросигналы головного мозга, получаемые из непосредственного будущего по отношению к выполняемому движению, имеют большую предсказательную силу, чем сигналы, предшествующие движению. Это может быть связано с особенностями расположения сетки электродов и с доминированием в сигналах, регистрируемых электродами проприоцептивной информации. Помимо задач декодирования, глубинные архитектуры используются для добычи знаний, в частности, для нахождения закономерностей представления движения в коре головного мозга. Однако, взаимозависимость сигналов, регистрируемых ЭКоГ электродами, и активности, не связанной с двигательной функцией, усложняет интерпретацию результатов анализа чувствительности. Для решения проблемы, мы использовали метод независимых компонент (ICA) как первый шаг предобработки ЭКоГ сигналов перед их подачей в модели. Результаты показывают, что топографии виртуальных каналов (линейные комбинации реальных ЭКоГ отведений с коэффициентами, найденными ICA) с наибольшими абсолютными значениями градиентов характеризуются хорошей физиологической интерпретируемостью.

Выпускные квалификационные работы (ВКР) в НИУ ВШЭ выполняют все студенты в соответствии с университетским Положением и Правилами, определенными каждой образовательной программой.

Аннотации всех ВКР в обязательном порядке публикуются в свободном доступе на корпоративном портале НИУ ВШЭ.

Полный текст ВКР размещается в свободном доступе на портале НИУ ВШЭ только при наличии согласия студента – автора (правообладателя) работы либо, в случае выполнения работы коллективом студентов, при наличии согласия всех соавторов (правообладателей) работы. ВКР после размещения на портале НИУ ВШЭ приобретает статус электронной публикации.

ВКР являются объектами авторских прав, на их использование распространяются ограничения, предусмотренные законодательством Российской Федерации об интеллектуальной собственности.

В случае использования ВКР, в том числе путем цитирования, указание имени автора и источника заимствования обязательно.

Реестр дипломов НИУ ВШЭ