Буцій Р. А. Моделювання та методи ефективного опрацювання циклічних сигналів в нейроінтерфейсних та кардіодіагностичних системах

English version

Дисертація на здобуття ступеня доктора філософії

Державний реєстраційний номер

0824U002614

Облікова картка дисертації

0824U002614.pdf

Здобувач

Спеціальність

  • 122 - Комп’ютерні науки

Спеціалізована вчена рада

ДФ 26.255.009

Інститут телекомунікацій і глобального інформаційного простору

Анотація

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.

Читати повністю

Публікації

1. Lupenko, S.; Butsiy, R. Isomorphic Multidimensional Structures of the Cyclic Random Process in Problems of Modeling Cyclic Signals with Regular and Irregular Rhythms. Fractal Fract. 2024, 8, 203. [Article, Scopus, Web of Science, Google Scholar, JCR – Q1, CiteScore - Q1, SJR – Q2, Impact Factor 5.4, ISSN 2504-3110] doi:https://doi.org/10.3390/fractalfract8040203

2. Lupenko, S.; Butsiy, R.; Shakhovska, N. Advanced Modeling and Signal Processing Methods in Brain–Computer Interfaces Based on a Vector of Cyclic Rhythmically Connected Random Processes. Sensors 2023, 23, 760. [Article, Scopus, Web of Science, Google Scholar, JCR - Q2, CiteScore - Q1, SJR – Q2, Impact Factor 3.9, ISSN 1424-8220] doi:https://doi.org/10.3390/s23020760

3. Lupenko, S.; Butsiy, R.; Volyanyk, O.; Stadnyk, N. Advanced Signal Processing and Classification of EEG Patterns in Neurointerface Systems. In Proceedings of the 3rd International Workshop on Information Technologies: Theoretical and Applied Problems (ITTAP 2023), Ternopil, Ukraine, Opole, Poland, 22–24 November 2023, 3628, 156–164. [Article, Scopus, Web of Science, Google Scholar, ISSN 1613-0073]

4. Butsiy, R.; Lupenko, S. Comparison of Modern Methods of Classification of EEG Patterns for Neurointerface Systems. In: Yang, XS., Sherratt, S., Dey, N., Joshi, A. (eds) Proceedings of Seventh International Congress on Information and Communication Technology. Lecture Notes in Networks and Systems; Springer, Singapore, 2022, 465, 345-354. [Article, Scopus, Google Scholar, ISSN 2367-3370] doi:https://doi.org/10.1007/978-981-19-2397-5_32

5. Butsiy, R.; Lupenko, S.; Zozulya, A. Comprehensive justification for the choice of software development tools and hardware components of a multi-channel neurointerface system. 2021 IEEE 16th International Conference on Computer Sciences and Information Technologies (CSIT), 2021, 1, 309-312. [Article, Scopus, Google Scholar, ISSN 2766-3639] doi:https://doi.org/10.1109/CSIT52700.2021.9648788

6. Butsiy, R.; Lupenko, S. Comparative Analysis of Neurointerface Technologies for the Problem of Their Reasonable Choice in Human-Machine Information Systems. Sci. J. TNTU (Tern.), 2020, 4, 135–148. [Article, Index Copernicus, Google Scholar, ISSN 2522-4433] doi:https://doi.org/10.33108/visnyk_tntu2020.04.135

7. Lupenko, S.; Butsiy, R. Express Method of Biometric Person Authentication Based on One Cycle of the ECG Signal. Sci. J. TNTU (Tern.), 2024, 113, 100–110. [Article, Index Copernicus, ISSN 2522-4433] doi:https://doi.org/10.33108/visnyk_tntu2024.01.100

8. Лупенко, С.; Буцій, Р. Сучасні нейроінтерфейсні технології: актуальність, перспективи та складності. У Матеріалах міжнародної наукової конференції “Іван Пулюй: життя в ім’я науки та України” (до 175-ліття від дня народження), 28-30 вересня 2020 р.; ТНТУ: Тернопіль, Україна, 2020, 81–82. [Conference Paper, Google Scholar]

9. Буцій, Р.; Лупенко, С. Аналіз основних характеристик комерційних нейроінтерфейсів. У Матеріалах ІX Міжнародної науково-технічної конференції молодих учених та студентів, 25-26 листопада 2020 р.; ТНТУ: Тернопіль, Україна, 2020, 2, 9–10. [Conference Paper, Google Scholar]

10. Катеринюк, І.; Лупенко, С.; Буцій, Р. Аудіоінтерфейсні та нейроінтерфейсні технології вводу діагностичної інформації в інформаційну систему “Імідж-Терапевт” для народної медицини. У Матеріалах ІX Міжнародної науково-технічної конференції молодих учених та студентів, 25-26 листопада 2020 р.; ТНТУ: Тернопіль, Україна, 2020, 2, 24–25. [Conference Paper, Google Scholar]

11. Буцій, Р.; Лупенко, С. Аналіз методів для задач опрацювання сигналів нейроінтерфейсних систем. У Матеріалах Ⅷ науково-технічної конференції “Інформаційні моделі, системи та технології”, 9-10 грудня 2020 р.; ТНТУ: Тернопіль, Україна, 2020, 3. [Conference Paper, Google Scholar]

12. Буцій, Р.; Лупенко, С. Підхід до побудови доступних за ціною дослідницьких нейроінтерфейсних систем. У Матеріалах XX Міжнар. наук.-практ. конф. “Сучасні інформаційні технології управління екологічною безпекою, природокористуванням, заходами в надзвичайних ситуаціях”, 4-8 жовтня 2021 р.; Юстон: Київ, Україна, 2021, 131–134. [Conference Paper]

13. Буцій, Р.; Лупенко, С. Принцип керування роботизованою рукою зі зворотним зв’язком за допомогою нейроінтерфейсу. У Матеріалах IX Науково-технічної конференції “Інформаційні моделі, системи та технології”, 8-9 грудня 2021 р.; Тернопіль, Україна, 2021, 3. [Conference Paper]

14. Лупенко, С; Буцій, Р. Математична модель векторної ЕЕГ у вигляді вектора циклічних ритмічно пов’язаних випадкових процесів. У Матеріалах XXI Міжнар. наук.-практ. конф. "Інформаційно-комунікаційні технології та сталий розвиток", 14–16 листопада 2022 р.; Юстон: Київ, Україна, 2022, 49–52. [Conference Paper, Google Scholar]

15. Лупенко, С; Буцій, Р. Дослідження класифікаторів для інтерфейсів мозок-комп'ютер на основі сигналів ЕЕГ. У Матеріалах XXII Міжнар. наук.-практ. конф. “Інформаційно-комунікаційні технології та сталий розвиток”, 14–15 листопада 2023 р.; Юстон: Київ, Україна, 2023, 57–59. [Conference Paper]

Читати повністю

Схожі дисертації

0824U002819

Ванкевич Петро Петрович

Моделювання поширення світлових променів через елементи волоконно-дифракційних сенсорів

0824U002586

Гомозкова Ірина Олександрівна

Моделі і методи дослідження алгоритмів орієнтації для високодинамічних об'єктів

0824U002460

Левченко Максим Станіславович

Моделювання тріщини між двома п’єзоматеріалами з урахуванням електричної проникності її заповнювача

0824U002290

Караваєв Костянтин Дмитрович

Методи і алгоритми розв’язання класичних та узагальнених задач упорядкування вершин орграфів

0824U002255

Гусак Віталій Олександрович

Шляхи підвищення ефективності чисельно-аналітичних методів розв’язку граничних задач для неканонічних областей