Тема выпускной квалификационной работы: «Автоматизация поиска артефакта на электроэнцефалограмме». Данная работа посвящена проектированию и разработки модели нейронных сетей для поиска артефактов на электроэнцефалограмме. Задачи, которые решались входе выполнения работы: • Сбор данных для обучения. • Анализ существующих решений на рынке. • Анализ, сравнение и выбор технологий в разработке модели нейронных сетей • Предобработка данных • Проектирование модели нейронных сетей • Обучение модели В рамках проектирования проводилась аналитика существующих решений. Анализ проводился с использованием современных методов проектирования и разработки искусственного интеллекта, блок-схемы и инструментами для моделирования данных, а также с применением современного оборудования и технологий создания моделей нейросетей.

The topic of the graduate qualification work: “Automation of artifact search on electroencephalogram”. This work is devoted to design and development of neural networks model for searching artifacts on electroencephalogram. The tasks that were accomplished in the course of the work: • Collecting data for training. • Analyzing existing solutions on the market. • Analyzing, comparing and selecting technologies in the development of neural network model. • Data preprocessing • Designing the neural network model • Model training The work was carried out alone. The design involved analyzing existing solutions.The analysis was conducted using modern methods of artificial intelligence design and development, flowcharts and data modeling tools, as well as using modern equipment and technologies for creating neural network models.

• Оглавление
• Введение
• Глава 1. Введение в анализ ЭЭГ и методы машинного обучения
• 1.1. Постановка задачи
• 1.2. Обоснование актуальности работы
• 1.3. Исследование и сравнение текущих решений, специализирующихся на анализе ЭЭГ.
• 1.4. Расположение электродов на голове
• 1.5. Классификация артефактов
• 1.6. Отличие артефактов движения глаз от других
• 1.7. Определение метрик и критериев для анализа результата нейронной модели.
• Глава 2: Применение нейронных сетей для анализа ЭЭГ
• 2.
• 2.1. Обоснование выбора технологий и средств разработки
• 2.1.1. Tensorflow
• 2.1.2. Jupiter notebook
• 2.1.3. Pandas
• 2.1.4. Электроэнцефалограф
• 2.1.5. EEG Studio
• 2.2. Предобработка данных
• 2.3. Импорт и предварительный осмотр данных
• Глава 3. Разработка модели.
• 3.
• 3.1. Нейронная сеть (LSTM-based):
• 3.2. EfficientNet:
• 3.3. Полносвязная нейронная сеть
• 3.4. Обучение нейронной модели.
• Заключение
• Список использованных источников