|
|
|
 |
|
|
|
|
|
|
開發腦波帶生理回饋系統於禪文化之應用=Development of electroencephalography physiological feedback system in Zen culture |
|
|
|
| 著者 |
李涵 (撰)
|
|---|
| 出版年月日 | 2020 |
|---|
| ページ | 46 |
|---|
| 出版者 | 國立陽明大學 |
|---|
| 出版サイト |
https://www.nycu.edu.tw/
|
|---|
| 出版地 | 臺北市, 臺灣 [Taipei shih, Taiwan] |
|---|
| 資料の種類 | 博碩士論文=Thesis and Dissertation |
|---|
| 言語 | 中文=Chinese |
|---|
| 学位 | 修士 |
|---|
| 学校 | 國立陽明大學 |
|---|
| 学部・学科名 | 生物醫學資訊研究所 |
|---|
| 指導教官 | 郭博昭、張博論 |
|---|
| 卒業年 | 108 |
|---|
| 抄録 | 背景：現今人們生活壓力大，往往會尋求一些途徑來釋放壓力，而平甩功就是其中一種。但因無客觀的指標，初學者無法得知是否有達到放鬆的效果，增加推廣的難度，因此本論文希望開發一簡易輕便的腦波帶來客觀量化平甩功時的效果。問題與假說：本論文開發之腦波帶透過機器學習分析使用者的腦波可提供客觀的量化指標。材料與方法：使用不同乾式電極開發腦波帶並測試訊號品質。受試者由專門人員指導平甩功並佩戴本論文開發之腦波帶量測平甩功時的腦波 (FpZ & Oz)，實驗流程如下：首先記錄基礎值5分鐘，睜開眼2.5分鐘，閉眼2.5分鐘，開始平甩功30分鐘，結束後再進行2.5分鐘閉眼及2.5分鐘睜眼，總實驗時間為40分鐘，將量測的平甩功數據分為無經驗者以及有經驗者。將腦波進行頻譜分析，再利用類神經網絡 (Artificial Neural Networks, ANN)、卷積神經網絡 (Convolutional Neural Network, CNN)區辨受試者的成效。結果：CNN模型分類有平甩功經驗者與無經驗者兩種類別的準確率可達90%，但有擬合過度的現象。重要性：建立一套方便使用、客觀且準確的腦波帶生理回饋系統，使用者可以透過此系統平甩功自主訓練。
Background: Nowadays, people are under a lot of stress in life, and they often seek some ways to release the pressure, and ping shuai gong is one of them. However, because there are no objective indicators, beginners cannot know whether there is a relaxing effect and increase the difficulty of promotion. Therefore, this study hopes to develop a simple and lightweight brain wave to bring objective and quantitative effects on the performance of ping shuai gong. Problems and Hypothesis: The brain wave band developed in this research can provide objective quantitative indicators through machine learning to analyze the user's brain wave. Materials and methods: Use different dry electrodes to develop the brain wave band and test the signal quality. The subject was guided by a special person to measure the level swing function and wear the brain wave band developed in this study to measure the brain wave (FpZ & Oz) when the level swing function was measured. The experimental procedure is as follows: first record the basic value for 5 minutes and open the eyes for 2 minutes Half, with eyes closed for 2 and a half minutes, start to ping shuai gong for 30 minutes, and then finish for 2 minutes and a half for eyes closed and 2 minutes and half for the eyes. The total experimental time is 40 minutes. The measured ping shuai gong data was divided into inexperienced and experienced persons. Analyze the brain wave frequency spectrum, and then use artificial neural networks (Artificial Neural Networks, ANN) and convolutional neural networks (Convolutional Neural Network, CNN) to distinguish the effectiveness of the subjects. Preliminary results: The accuracy of CNN model classification of those who have experience in ping shuai gong and those who have no experience can reach 90%, but there is a phenomenon of overfitting. Importance:Establish a convenient, objective, and accurate brainwave belt physiological feedback system. Users can use this system to perform self-level training. |
|---|
| 目次 | 目錄
誌謝 i
中文摘要 ii
Abstract iii
目錄 iv
表目錄 vii
圖目錄 viii
第壹章 緒論 1
第一節 研究背景 1
第二節 腦波介紹 1
第三節 穿戴式儀器 3
第四節 卷積神經網路於腦波分析之相關研究 3
第五節 禪文化 4
第六節 氣功與腦波 5
第貳章 研究假說及目的 6
第一節 研究假說 6
第二節 研究目的 6
第參章 研究材料與方法 7
第一節 硬體開發 7
1. 硬體架構 7
2. 神農藍牙腦波帶之開發 7
3. 乾式電極之開發 8
第二節 研究對象 8
受試者條件 8
第三節 實驗流程 9
第四節 腦波訊號分析與訊號前處理 9
第五節 一維卷積神經網路 10
1. 卷積層 11
2. 池化層 11
第六節 模型表現評量 11
1. 準確率 (Accuracy) 11
2. 精準度 (Precision) 12
3. 召回率 (Recall or Sensitivity) 12
4. F值 (F-measure，F1-score) 12
5. 一致性係數 (Cohen’s kappa coefficient) 13
6. 接收者操作特徵曲線下面積 (Area under the curve of receiver operating curve，AUC) 13
7. 混淆矩陣 (Confusion matrix) 13
第肆章 結果 14
第一節 腦波帶開發結果評估 14
1. 腦波帶乾式電極比較結果 14
2. 腦波帶乾式電極統計結果 14
第二節 腦波資料前處理之比較 14
第三節 一維卷積神經網路結構比較 15
第四節 一維卷積神經網路判定結果與評估 15
第伍章 討論 17
第一節 主要發現 17
1. 市售腦波儀器比較 17
2. 腦波變化 17
第二節 研究限制 18
第三節 研究貢獻 18
第四節 未來方向 18
第五節 結論 19
參考資料 20
附表 23
附圖 27
附錄 46
表目錄
表一、不同kernel大小對有無平甩功經驗的比較結果 23
表二、不同kernel大小下對有無平甩功經驗區辨之精準度、召回率與F值 24
表三、不同層數下對有無平甩功經驗的比較結果 25
表四、不同層數下對有無平甩功經驗區辨之精準度、召回率與F值 26
圖目錄
圖一、國際10-20系統標準電極位置系統 7
圖二、自行開發腦波儀之相關規格 28
圖三、腦波帶設計圖 29
圖四、腦波帶打樣成品 30
圖五、本論文開發的腦波儀所使用的乾式電極 31
圖六、實驗流程圖 32
圖七、個案所量測腦波之代表性原始圖 33
圖八、資料傳輸流程圖 34
圖九、頭帶配戴方式 35
圖十、卷積層的運作原理 36
圖十一、池化層的運作原理 37
圖十二、混淆矩陣的計算方式 38
圖十三、大寶以及群蘊公司的乾式電極 39
圖十四、銅箔與線圈式乾式電極之測量結果 40
圖十五、後腦乾式電極統計圖 41
圖十六、機器學習使用之模型圖 42
圖十七、模型訓練以及測試時的loss值以及準確率 43
圖十八、ROC曲線 44
圖十九、混淆矩陣 45 |
|---|
| ヒット数 | 268 |
|---|
| 作成日 | 2022.10.07 |
|---|
| 更新日期 | 2023.01.16 |
|---|
 |
Chrome, Firefox, Safari(Mac)での検索をお勧めします。ＩＥではこの検索システムを表示できません。
|
|
|
