Electroencephalogram (EEG) and machine learning-based classification of various stages of mental stress
| but.committee | doc. Ing. Tomáš Martínek, Ph.D. (předseda) Ing. Ivana Burgetová, Ph.D. (člen) Ing. Vladimír Veselý, Ph.D. (člen) doc. Mgr. Adam Rogalewicz, Ph.D. (člen) Ing. Tomáš Milet, Ph.D. (člen) | cs |
| but.defence | Studentka nejprve prezentovala výsledky, kterých dosáhla v rámci své práce. Komise se poté seznámila s hodnocením vedoucího a posudkem oponenta práce. Studentka následně odpověděla na otázky přítomných. Komise se na základě posudku oponenta, hodnocení vedoucího, přednesené prezentace a odpovědí studentky na položené otázky rozhodla práci hodnotit stupněm B. | cs |
| but.jazyk | angličtina (English) | |
| but.program | Informační technologie | cs |
| but.result | práce byla úspěšně obhájena | cs |
| dc.contributor.advisor | Zaheer, Muhammad Asad | en |
| dc.contributor.author | Lapčíková, Tereza | en |
| dc.contributor.referee | Malik, Aamir Saeed | en |
| dc.date.created | 2024 | cs |
| dc.description.abstract | Tato závěrečná práce se věnuje rozpoznávání a klasifikaci různých úrovní psychické zátěže z elektroencefalogramu (EEG). V rámci této práce bylo vytvořeno několik modelů SVM a LSTM, které klasifikují EEG data do tří tříd odpovídajících mentální zátěži – nízká mentální zátěže, střední mentální zátěž a vysoká mentální zátěž. Proces vedoucí k tvorbě těchto modelů se skládal z kroků jako je úprava vstupního signálu, extrakce jeho vlastností a implementace modelu pro samotnou klasifikaci. Toto řešení taktéž obsahuje augmentaci dat. Nejvyšší dosažená přesnost klasifikace byla 90 %, a to s modelem SVM. Nejlepší LSTM model obsahoval tři vrstvy LSTM a přesnost jeho výsledné klasifikace byla 70 %. | en |
| dc.description.abstract | This thesis deals with the recognition of various stress stages experienced by patients from electroencephalogram (EEG). Various Support Vector Machine (SVM) and Long Short-Term Memory (LSTM) models classifying EEG into three classes – not stressed, moderate stressed, and very stressed were created. The process of implementing such a classifier consisted of data preparation, extraction, and finally, classification. This solution also implements augmentation of data. The highest accuracy achieved in this thesis was of 90 % using the SVM model. The best LSTM model was a three-layer LSTM and achieved classification accuracy of 70 %. | cs |
| dc.description.mark | B | cs |
| dc.identifier.citation | LAPČÍKOVÁ, T. Electroencephalogram (EEG) and machine learning-based classification of various stages of mental stress [online]. Brno: Vysoké učení technické v Brně. Fakulta informačních technologií. 2024. | cs |
| dc.identifier.other | 153457 | cs |
| dc.identifier.uri | http://hdl.handle.net/11012/246896 | |
| dc.language.iso | en | cs |
| dc.publisher | Vysoké učení technické v Brně. Fakulta informačních technologií | cs |
| dc.rights | Standardní licenční smlouva - přístup k plnému textu bez omezení | cs |
| dc.subject | Strojové učení | en |
| dc.subject | hluboké učení | en |
| dc.subject | EEG | en |
| dc.subject | mentální stres | en |
| dc.subject | fáze stresu | en |
| dc.subject | Machine Learning | cs |
| dc.subject | Deep Learning | cs |
| dc.subject | EEG | cs |
| dc.subject | Mental Stress | cs |
| dc.subject | Stages of Stress | cs |
| dc.title | Electroencephalogram (EEG) and machine learning-based classification of various stages of mental stress | en |
| dc.title.alternative | Electroencephalogram (EEG) and machine learning-based classification of various stages of mental stress | cs |
| dc.type | Text | cs |
| dc.type.driver | bachelorThesis | en |
| dc.type.evskp | bakalářská práce | cs |
| dcterms.dateAccepted | 2024-06-11 | cs |
| dcterms.modified | 2024-06-17-08:45:57 | cs |
| eprints.affiliatedInstitution.faculty | Fakulta informačních technologií | cs |
| sync.item.dbid | 153457 | en |
| sync.item.dbtype | ZP | en |
| sync.item.insts | 2025.03.18 21:01:08 | en |
| sync.item.modts | 2025.01.15 19:31:52 | en |
| thesis.discipline | Informační technologie | cs |
| thesis.grantor | Vysoké učení technické v Brně. Fakulta informačních technologií. Ústav počítačových systémů | cs |
| thesis.level | Bakalářský | cs |
| thesis.name | Bc. | cs |