Реєстраційний номер
0824U002614, Дисертація доктора філософії
На здобуття
Доктор філософії
Дата захисту
08-08-2024
Статус
Захищена
Назва роботи
Моделювання та методи ефективного опрацювання циклічних сигналів в нейроінтерфейсних та кардіодіагностичних системах
Здобувач
Буцій Роман Андрійович,
Керівник Лупенко Сергій Анатолійович
Опонент Юзефович Роман Михайлович
Опонент Марченко Надія Борисівна
Опонент Литвиненко Ярослав Володимирович
Рецензент Васянін Володимир Олександрович
Рецензент Калюх Юрій Іванович
Установа, організація, у вченій раді якої відбудеться/відбувся захист
Інститут телекомунікацій і глобального інформаційного простору
Опис
Об’єктом дослідження є процес побудови математичної моделі та методів ефективного опрацювання циклічних біомедичних сигналів в сучасних неівазивних нейроінтерфейсах, системах медичної діагностики та системах біометричної аутентифікації. Метою дисертаційного дослідження є розвиток математичних моделей та методів ефективного опрацювання циклічних біомедичних сигналів у сучасних неінвазивних нейроінтерфейсах, системах біометричної аутентифікації особи та системах медичної діагностики. Методи теорії випадкових процесів та векторів для моделювання ЕЕГ та ЕКГ сигналів, методи математичної статистики, а саме, методи статистичного точкового та інтервального оцінювання для побудови методів опрацювання біомедичних циклічних та верифікації їх математичних моделей. Методи спектрального аналізу сигналів для зменшення розмірності діагностичного простору у нейроінтерфейсних та кардіодіагностичних системах. Методи машинного навчання в задачах класифікації сигналів. Розроблена у дисертації нова математична модель сукупності ЕЕГ сигналів у вигляді вектора циклічних ритмічно пов’язаних випадкових процесів та ефективні методи статистичного опрацювання ЕЕГ та ЕКГ сигналів удосконалюють відоме математичне забезпечення сучасних неінвазивних нейроінтерфейсів, систем медичної діагностики та систем біометричної аутентифікації особи за її фізіологічними сигналами. На основі отриманих у дисертації нових теоретичних та прикладних результатів, на мові Python розроблено програмне забезпечення для попереднього та основного (статистичного та спектрального) ритмоадаптивного опрацювання циклічних біомедичних сигналів, а також для проведення процедури класифікації із використанням типових засобів машинного навчання (k-Nearest Neighbors, Linear SVM, Decision Tree, Random Forest, Multilayer Perceptron, Adaptive Boosting, Naive Bayes) в неінвазивних нейроінтерфейсних системах та системах біометричної аутентифікації особи за ЕКГ. Новизна: вперше розроблено та верифіковано нову математичну модель сукупності електроенцефалографічних (ЕЕГ) сигналів із різних відведень (електродів), зареєстрованих в умовах багаторазового повторення ментальних керуючих впливів оператора неінвазивного нейроінтерфейсу, у вигляді вектора циклічних ритмічно пов’язаних випадкових процесів; вперше, обґрунтовано методи їх ритмоадаптивного статистичного опрацювання, що дало змогу сформувати множину потенційно чутливих до ментального впливу оператора нейроінерфесу інформативних характеристик ЕЕГ сигналів; вперше розроблено високоефективний ритмоадаптивний метод біометричної аутентифікації особи за її ЕКГ, зокрема, за лише одним циклом ЕКГ; вперше обґрунтовано оптимальні вектори інформативних ознак в нейроінтерфейсних системах та в системах біометричної аутентифікації особи за ЕКГ. Результати дисертаційного дослідження впроваджено у навчальний процес Тернопільського національного технічного університету імені Івана Пулюя та в науково-дослідну роботу Тернопільського національного медичного університету імені І. Я. Горбачевського. Сфера використання: медична діагностика функціонального стану серця людини, а також систем динамічної біометричної аутентифікації особи за її біомедичними циклічними сигналами.
Дата реєстрації
2024-07-16
Додано/оновлено в НРАТ
2024-08-22 / 2026-07-01
