EUVIMEDEUVIMED entdecken
Crossref

Κρυφά Μαρκοβιανά μοντέλα με εφαρμογή στην ταξινόμηση του ύπνου σε στάδια

Areti Pouliou

Aristotle University of Thessaloniki · 01.01.2023

DOI: 10.26262/heal.auth.ir.348424 ↗

Kurz gefasst

Fachartikel in der Zeitschrift Aristotle University of Thessaloniki, erschienen am 01.01.2023. Verfasst von Areti Pouliou.

AbstractSchlagwörterBibliografische AngabenZitierenVerwandte Studien

Abstract (Originalsprache)

Στόχος της παρούσας εργασίας είναι αρχικά η μελέτη και περιγραφή των Κρυφών Μαρκοβιανών Μοντέλων (Hidden Markov Models-HMM), τα οποία αποτελούν είδος της ευρύτερης κατηγορίας των Διακριτών Μαρκοβιανών Μοντέλων και έπειτα, η δημιουργία ενός τέτοιου μοντέλου, το οποίο να εφαρμόζεται σε πραγματικά δεδομένα ηλεκτροεγκεφαλογραφήματος δύο ατόμων με σκοπό την ταξινόμηση του ύπνου τους σε προκαθορισμένα στάδια ύπνου. Παρουσιάζεται και αξιολογείται ένας εναλλακτικός τρόπος δημιουργίας του μοντέλου, από αυτούς που έχουν προταθεί και χρησιμοποιηθεί ήδη, με τη διαφορετικότητά του να έγκειται στον τρόπο δημιουργίας των παρατηρήσεων του μοντέλου.Στο 1ο κεφάλαιο παρουσιάζεται η ανάλυση του ανθρώπινου ύπνου μαζί με κάποια χαρακτηριστικά του, καθώς και κάποιες μελέτες που έχουν γίνει ήδη και κάνουν χρήση των ΗΜΜ. Στη συνέχεια, στο 2ο κεφάλαιο αναλύεται η έννοια των Διακριτών Μαρκοβιανών μοντέλων και παρουσιάζονται εκτενώς τα Κρυφά Μαρκοβιανά μοντέλα με τα στοιχεία και τις παραμέτρους τους, τα τρία βασικά προβλήματα που σχετίζονται με αυτά, καθώς και τους αλγορίθμους επίλυσής τους. Το 3ο κεφάλαιο αφορά τη στατιστική ανάλυση του φάσματος του ηλεκτροεγκεφαλογραφήματος και τα στατιστικά χαρακτηριστικά που το απαρτίζουν, μαζί με τους μαθηματικούς τύπους και την ερμηνεία τους, τα οποία αποτελούν κρίσιμο σημείο για τη δημιουργία του τελικού μοντέλου. Στο τελευταίο κεφάλαιο παρουσιάζεται λεπτομερώς η διαδικασία δημιουργίας του μοντέλου που χρησιμοποιήθηκε για την ταξινόμηση του ύπνου των δύο ατόμων σε στάδια και επιλύεται το δεύτερο πρόβλημα των HMM κάνοντας χρήση του αλγορίθμου Viterbi. Τέλος, στο παράρτημα της εργασίας βρίσκεται ο κώδικας στο περιβάλλον του RStudio, που δημιουργήθηκε και χρησιμοποιήθηκε για την μοντελοποίηση που αναλύεται στο 4ο κεφάλαιο

Schlagwörter

hidden Markov modelssleep stage classificationEEGEEG signal processingmodel trainingsleep monitoringbiomedical signal classificationmodel evaluation metricsfalse positive ratefalse negative rate

Zitieren

APA

Pouliou, A. (2023). Κρυφά Μαρκοβιανά μοντέλα με εφαρμογή στην ταξινόμηση του ύπνου σε στάδια. Aristotle University of Thessaloniki. https://doi.org/10.26262/heal.auth.ir.348424

Vancouver

Pouliou A. Κρυφά Μαρκοβιανά μοντέλα με εφαρμογή στην ταξινόμηση του ύπνου σε στάδια. Aristotle University of Thessaloniki. 2023. doi:10.26262/heal.auth.ir.348424

BibTeX
@article{Pouliou2023,
  author = {Pouliou, Areti},
  title = {Κρυφά Μαρκοβιανά μοντέλα με εφαρμογή στην ταξινόμηση του ύπνου σε στάδια},
  journal = {Aristotle University of Thessaloniki},
  year = {2023},
  doi = {10.26262/heal.auth.ir.348424}
}
Kostenlos starten →