Επεξεργασία εγκεφαλογραφήματος για τη μελέτη της μουσ...
Download
1 / 44

Επεξεργασία εγκεφαλογραφήματος για τη μελέτη της μουσικής προτίμησης - PowerPoint PPT Presentation


  • 136 Views
  • Uploaded on

Επεξεργασία εγκεφαλογραφήματος για τη μελέτη της μουσικής προτίμησης. Επεξεργασία Σήματος ΠΡΟΜΕΣΙΠ 2011. Γκόντρα Πολυξένη Τσιλιγκύρη Αλεξάνδρα Χειμαριώτης Άρης. Στόχος.

loader
I am the owner, or an agent authorized to act on behalf of the owner, of the copyrighted work described.
capcha
Download Presentation

PowerPoint Slideshow about ' Επεξεργασία εγκεφαλογραφήματος για τη μελέτη της μουσικής προτίμησης' - jovan


An Image/Link below is provided (as is) to download presentation

Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author.While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server.


- - - - - - - - - - - - - - - - - - - - - - - - - - E N D - - - - - - - - - - - - - - - - - - - - - - - - - -
Presentation Transcript
Επεξεργασία εγκεφαλογραφήματος για τη μελέτη της μουσικής προτίμησης

Επεξεργασία ΣήματοςΠΡΟΜΕΣΙΠ 2011

Γκόντρα Πολυξένη Τσιλιγκύρη ΑλεξάνδραΧειμαριώτης Άρης


Στόχος για τη μελέτη της μουσικής προτίμησης

  • Η μελέτη των μουσικών προτιμήσεων μέσω της στατιστικής ανάλυσης χαρακτηριστικών στοιχείων των εγκεφαλογραφημάτων (EEG) 9 συμμετεχόντων σε πείραματα που διεξήχθηκαν:

    • Εύρεση ομοιοτήτων και διαφορών ανάλογα με διαφορετικές συνθήκες των πειραμάτων: αρεστά, μη αρεστά, θόρυβος δεδομένου του επιπέδου της εξοικείωσης


Πειραματικό πρωτόκολλο (1) για τη μελέτη της μουσικής προτίμησης

  • Ακρόαση 75 ηχητικών αποσπασμάτων (επαναλήψεις)

    • 60 από μουσικά κομμάτια από 4 είδη μουσικής

    • 15 λευκός θόρυβος

  • Ερωτηματολόγιο μετά το πέρας του πειράματος σχετικά με

    • πόσο άρεσε στους συμμετέχοντες κάθε απόσπασμα [(5) Πολύ, (4) Αρκετά, (3) Μέτρια, (2) Λίγο, (1) Καθόλου]

    • πόσο εξοικειωμένοι ήταν με το κάθε απόσπασμα [(5) Πολύ, (4) Αρκετά, (3) Μέτρια, (2) Λίγο, (1) Καθόλου]

  • 14 μονοπολικά κανάλια καταγραφής τοποθετημένα συμμετρικά στο αριστερό και δεξί ημισφαίριο του εγκεφάλου


Πειραματικό πρωτόκολλο (2) για τη μελέτη της μουσικής προτίμησης

  • Κάθε επανάληψη του πειράματος διήρκησε 25,5 sec και συνίσταται από:

    • 0 – 3 sec: χαλάρωση

    • 3 sec: εμφανίζεται ένας σταυρός στο κέντρο της οθόνης και παραμένει εκεί μέχρι το 19,5 sec.

    • 3,5 – 4 sec: τόνος που δηλώνει την έναρξη του μουσικού κομματιού

    • 4 – 19 sec: ηχητικό απόσπασμα

    • 19 – 19,5 sec: τόνος που δηλώνει το τέλος του ηχητικού αποσπάσματος

    • 19,5 – 25,5 sec : ερωτηματολόγιο


Δεδομένα για τη μελέτη της μουσικής προτίμησης

  • Τα διαθέσιμα EEG σήματα προέρχονται

    • από 9 συμμετέχοντες στο πείραμα

    • από 4 από τα 14 διαθέσιμα κανάλια καταγραφής: 1 – AF3, 2 – F3 (αριστερό εγκεφαλικό ημισφαίριο) και 3 – F4, 4 – AF4 (δεξί εγκεφαλικό ημισφαίριο)

    • από 5 διαφορετικές συνθήκες πειραμάτων

      και είναι διάρκειας:

    • 15 sec -> 15 sec × 128 δείγματα/sec =

    • 1920 δείγματα

    • όπου 128 είναι η συχνότητα δειγματοληψίας του εγκεφαλογραφήματος


Συνθήκες πειραμάτων για τη μελέτη της μουσικής προτίμησης

  • 5 κατηγορίες: Ακρόαση μουσικών κομματιών για τα οποία οι συμμετέχοντες απάντησαν ό,τι

    • Τους άρεσαν [(5) Πολύ, (4) Αρκετά] και τα γνώριζαν [(5) Πολύ, (4) Αρκετά] (dLF)

    • Τους άρεσαν [(5) Πολύ, (4) Αρκετά] και δεν τα γνώριζαν [(3) Μέτρια, (2) Λίγο, (1) Καθόλου] (dLUF )

    • Δεν τους άρεσαν [(3) Μέτρια, (2) Λίγο, (1) Καθόλου] και τα γνώριζαν [(5) Πολύ, (4) Αρκετά] (dDF )

    • Δεν τους άρεσαν [(3) Μέτρια, (2) Λίγο, (1) Καθόλου] και δεν τα γνώριζαν [(3) Μέτρια, (2) Λίγο, (1) Καθόλου] (dDUF )

    • Διαστήματα ακρόασης λευκού θορύβου (dN )


Επιμέρους για τη μελέτη της μουσικής προτίμησηςβήματα

  • Φιλτράρισμα των σημάτων σε 4 ζώνες με χρήση ζωνοπερατών φίλτρων

  • Υπολογισμός spectrogramανά σήμα και ανά κανάλι

  • Υπολογισμός μέσου όρου spectogramγια τις 5 διαφορετικές κατηγορίες EEG (dLF, dLUF, dDF, dDUF και dN)

  • Έυρεση τιμών της μέγιστης κορυφής, οι αντίστοιχες θέσεις τους στο επίπεδο της συχνότητας και οι τιμές της φάσης για κάθε μέσο spectrogram

  • Οι χρονικές διάρκειες κατά τις οποίες το πλάτος του μέσου spectrogram ξεπερνά το 30% του εκάστοτε μεγίστου

  • Στατιστική ανάλυση

***Η υλοποίηση όλων των βημάτων έγινε με ανάπτυξη

αντίστοιχων συναρτήσεων στο MATLAB


Butterworth
Φιλτράρισμα με φίλτρο για τη μελέτη της μουσικής προτίμησηςButterworth

  • Φιλτράρισμα σε 4 ζώνες:

    • Alpha (8-12.5 Hz)

    • Beta1 (13-18 Hz)

    • Beta2 (18.5-24 Hz)

    • Beta3 (24.5-31.5 Hz)

  • Χρησιμοποιήθηκε Butterworth 3ης τάξης

    • Όσο αυξάνεται η τάξη τόσο η καμπύλη απόκρισης γίνεται επίπεδη και πλησιάζει του ιδανικού κατωδιαβατού/ανωδιανατού


  • Αφαίρεση μη ωφέλιμων μετρήσεων για τη μελέτη της μουσικής προτίμησης

    • Mετρήσεις με παρουσία κρουστικού θορύβου :

      • Ο κρουστικός θόρυβος προκαλεί μεγάλες διαταραχές στο πλάτος του σήματος, σύντομης χρονικής διάρκειας αλλά μεγάλου πλάτους με τη μορφή οξείας αιχμής

      • Στην περίπτωσή μας μετρήσεις με πλάτος >400 mV θεωρήθηκαν ως μη ωφέλιμες και το αντίστοιχο σήμα αφαιρέθηκε από τα δεδομένα προς ανάλυση.

    • Αφαίρεση με χρήση EEGLAB (eegthresh)


    Spectrogram
    Spectrogram για τη μελέτη της μουσικής προτίμησης

    • Υπολογίστηκε ως εξής:

    • Short- time Fourier transform.

    • Χωρισμός σήματος σε 8 χρονικά διαστήματα.

    • Παράθυρο Hamming

    • 50% επικάλυψη γειτονικών χρονικών διαστημάτων.

    • 257 συχνότητες.


    Spectograms
    Μέσος όρος για τη μελέτη της μουσικής προτίμησηςSpectograms

    • Ο υπολογισμός του φασματογραφήματος έγινε για όλες τις κατηγορίες, όλες τις ζώνες συχνοτήτων και όλα τα διαθέσιμα κανάλια καταγραφής. Στη συνέχεια, για κάθε μία από τις 5 κατηγορίες (DUF, DF, LUF, LF, N) υπολογίστηκε το μέσο φασματογράφημα για δεδομένη ζώνη συχνοτήτων και κανάλι καταγραφής. Έτσι λοιπόν προέκυψαν 5 πίνακες διάστασης 257 x 8 x 4 x 4


    Mean spectograms alpha
    Mean Spectograms για τη μελέτη της μουσικής προτίμησης– Ζώνη Alpha


    Mean spectograms eta 1
    Mean Spectograms για τη μελέτη της μουσικής προτίμησης – Ζώνη Βeta1


    Mean spectograms eta 2
    Mean Spectograms – για τη μελέτη της μουσικής προτίμησηςΖώνη Βeta2


    Mean spectograms eta 3
    Mean Spectograms – για τη μελέτη της μουσικής προτίμησηςΖώνη Βeta3


    Spectograms1
    Κορυφές για τη μελέτη της μουσικής προτίμησηςspectograms


    Spectograms2
    Κορυφές για τη μελέτη της μουσικής προτίμησηςspectograms


    Spectograms3
    Κορυφές για τη μελέτη της μουσικής προτίμησηςspectograms


    Spectograms4
    Κορυφές για τη μελέτη της μουσικής προτίμησηςspectograms


    Spectograms5
    Κορυφές για τη μελέτη της μουσικής προτίμησηςspectograms


    30 spectrogram
    30% Spectrogram για τη μελέτη της μουσικής προτίμησης

    • Εκτός από την κορυφή του κάθε spectrogram υπολογίστηκαν και οι χρονικές και συχνοτικές περιοχές όπου το πλάτος του spectrogram ήταν πάνω από το 30% του μέγιστου πλάτους.


    Στατιστική ανάλυση για τη μελέτη της μουσικής προτίμησης

    • Χρήση μη-παραμετρικών τεστ για εύρεση ανεξαρτησίας (διαφορών) - Wilcoxon και μη ανεξαρτησίας (ομοιότητες) – Spearman.

    • Χρήση ταξινομητώνnaive Bayes, SVM, k-Nearest Neighbor για εκτίμησηομοιοτήτων.


    Μη παραμετρικά τεστ για τη μελέτη της μουσικής προτίμησης

    • Με τους ελέγχους στατιστικής σημαντικότητας ελέγχεται αν μπορεί να απορριφθεί μια μηδενική υπόθεση (null hypothesis) ή όχι.

    • Η μηδενική υπόθεση απορρίπτεται ανάλογαμε το παρατηρούμενο στατιστικό επίπεδο σημαντικότητας

      • ρ<=0.05 η μηδενική υπόθεση απορρίπτεται

      • ρ>0.05 δεν μπορούμε να εξάγουμε κάποιο στατιστικώς σημαντικό συμπέρασμα

    • Όταν κάνουμε έναν έλεγχο υπόθεσης χωρίς να υποθέτουμε ότι τα δεδομένα ακολουθούν κάποια γνωστή κατανομή (π.χ. κανονική), χρησιμοποιούμε μη παραμετρική στατιστική.


    Wilcoxon test 1 2
    Wilcoxon για τη μελέτη της μουσικής προτίμησηςTest (1/2)

    • Mη παραμετρική μέθοδος για την εύρεση διαφορών που εμφανίζονται στις διαφορετικές συνθήκες των πειραμάτων (αρεστά, μη αρεστά, θόρυβος δεδομένου του επιπέδου της εξοικείωσης).

      • Wilcoxon rank sum test

        • Μηδενική υπόθεση υπό έλεγχο: τα δεδομένα υπό σύγκριση (Χ,Υ) είναι ανεξάρτητα δείγματα από όμοιες συνεχείς κατανομές με ίσες διαμέσους, έναντι της εναλλακτικής ότι δεν έχουν ίσες διαμέσους

        • X και Y μπορούν να έχουν διαφορετικά μήκη

      • Signed rank test

        • Τα δεδομένα Χ, Υ προέρχομαι από μια συνεχή, συμμετρική κατανομή με μηδενική διάμεσο, έναντι της εναλλακτικής ότι η κατανομή δεν έχει μηδενική διαμέσο

        • X και Y δεν μπορούν να έχουν διαφορετικά μήκη


    Wilcoxon test 2 2
    Wilcoxon για τη μελέτη της μουσικής προτίμησηςTest (2/2)

    • Ζεύγη συγκρίσεων:

    • LF-LUF LF-DF LF-DUF LF-N DF-DUF DF-LUF DF-NLUF-DUF LUF-N DUF-N

    • Σύγκριση για κάθε ζεύγος

      • Signed Rank test: Τιμών, συχνοτήτων και φάσεων στο μέγιστο του spectogram ανά ζώνη συχνοτήτων & ανεξαρτήτως αυτών (150 συγκρίσεις).

      • Wilcoxon Rank Sum test: Τιμών άνω του 30% της μέγιστης κορυφής και των αντίστοιχων χρονικών διαστημάτων ανά ζώνη συχνοτήτων ανεξαρτήτως καναλιού & ανά ζώνη συχνοτήτων και ανά κανάλι(400 συγκρίσεις).


    Αποτελέσματα (1/2) για τη μελέτη της μουσικής προτίμησης

    • Η μηδενική υπόθεση απορρίφθηκε (p<=0.05) στην περίπτωση αναμενόμενων διαφορών είτε έδωσε συμπεράσματα που δεν μπορούσαν να ερμηνευτούν.

    • Είτε τα χαρακτηριστικά που επιλέχθηκαν να μελετηθούν δεν ήταν κατάλληλα για τα δεδομένα μας είτε το Wilcoxon test δεν είναι η κατάλληλη στατιστική μέθοδος για το πρόβλημα μας


    Αποτελέσματα (2/2) για τη μελέτη της μουσικής προτίμησης

    • Περιπτώσεις απόρριψης της μηδενικής υπόθεσης

    Όταν δεν λαμβάνουμε υπόψην

    Τη ζώνη συχνοτήτων για τις μέγιστες

    Τιμές βλέπουμε διαφορές για όλα τα ζεύγη!!!!


    Spearman 1 2
    Spearman για τη μελέτη της μουσικής προτίμησης (1/2)

    • Μη παραμετρική μέθοδος για την εύρεση ομοιοτήτων που εμφανίζονται στις διαφορετικές συνθήκες των πειραμάτων (αρεστά, μη αρεστά, θόρυβος δεδομένου του επιπέδου της εξοικείωσης)

      • Μηδενική υπόθεση: Τα δεδομένα Χ, Υ δεν παρουσιάζουν συσχέτιση.

      • Ευρέως γνωστός ως δείκτης συνάφειας και χρησιμοποιείται για την μελέτη του είδους και του μεγέθους της γραμμικής σχέσης δεδομένων Χ, Υ.

      • Τιμές από -1 έως +1.


    Spearman 1 21
    Spearman για τη μελέτη της μουσικής προτίμησης (1/2)

    • Ζεύγη συγκρίσεων:

    • LF-LUF LF-DF LF-DUF LF-N DF-DUF DF-LUF DF-NLUF-DUF LUF-N DUF-N

    • Σύγκριση για κάθε ζεύγος

      • Τιμών της μέγιστης κορυφής στα μέσα spectrogram, των αντίστοιχων συχνοτήτων και φάσεων ανά ζώνη συχνοτήτων (120 περιπτώσεις)


    Αποτελέσματα για τη μελέτη της μουσικής προτίμησης (1/2)

    • Παντού το επίπεδο σημαντικότητας >0.05

      • Η μέθοδος δεν είναι κατάλληλη για την μελέτη συσχετίσεων στα δεδομένα μας είτε η επιλογή των χαρακτηριστικών δεν ήταν κατάλληλη

    Spearman Correlation Coefficients

    Ζώνη Alpha (8-12.5 Hz)

    Spearman Correlation Coefficients

    Ζώνη Beta1 (13-18 Hz)


    Αποτελέσματα για τη μελέτη της μουσικής προτίμησης (2/2)

    Spearman Correlation Coefficients

    Ζώνη Beta2 (18.5-24 Hz)

    Spearman Correlation Coefficients

    Beta3 (24.5 – 31.5 Hz)


    Ταξινομητές για τη μελέτη της μουσικής προτίμησης (1/2)

    • Με χρήση naiveBayesianclassifiers και nearestneighborclassifiers, μελετήθηκε η δυνατότητα ταξινόμησης μεταξύ

      • των 5 γνωστών κατηγοριών: DUF, DF, LUF, LF, N.

      • των 3 κατηγοριών: Μη αρεστό, Αρεστό, Λευκός Θόρυβος.

        • Στην κατηγορία «Μη αρεστό» συγχωνεύτηκαν οι κατηγορίες DUF και DF ενώ στην κατηγορία «Αρεστό» συγχωνεύτηκαν οι κατηγορίες LUF και LF.


    Ταξινομητές (2/2) για τη μελέτη της μουσικής προτίμησης

    • Δημιουργήθηκαν 672 διανύσματα χαρακτηριστικών (featurevectors)

    • Με cross validation το σύνολο των 672 διανυσμάτων χαρακτηριστικών χωρίζονται σε 10 κατηγορίες

      • 9 κατηγορίες χρησιμοποιούνται για την εκπαίδευση του ταξινομητή και η 10η κατηγορία για τη δοκιμή του

      • H διαδικασία επαναλαμβάνεται 10x10 φορές ώστε να συμπεριληφθηθούν όλες οι κατηγορίες για training & testing

  • Οι ταξινομητές εκτιμήθηκαν με βάση τους συντελεστές σωστής και λάθος ταξινόμησης (correctRate και errorRate).


  • Naive bayesian
    Naive Bayesian για τη μελέτη της μουσικής προτίμησηςΤαξινόμηση

    • Το διάνυσμα χαρακτηριστικών λαμβάνεται ως ανεξάρτητη, των υπολοίπων χαρακτηριστικών, μεταβλητή-> διακρίνουσα ανάλυση (discriminantanalysis)

    • Διακρίνουσας συνάρτηση που χρησιμοποιήθηκε

      • diagquadratic


    Ταξινόμηση για τη μελέτη της μουσικής προτίμησηςσε 5 ομάδες

    Συντελεστής λάθους > από τον συντελεστή τυχαιότητας (>50%)

    οι 5 κατηγορίες δεν μπορούν να διακριθούν μεταξύ τους με τα διαθέσιμα δεδομένα και με χρήση του naiveBayesian μοντέλου.

    Ταξινόμηση σε 3 ομάδες

    Καλύτερος συντελεστής λάθους σε σχέση με εκείνον για 5 ομάδες αλλά κα πάλι υψηλός (>50%)

    Μη αποτελεσματικός ταξινομητής

    Αποτελέσματα


    Ταξινόμηση για τη μελέτη της μουσικής προτίμησηςk-Κοντινότερων Γειτόνων

    • Το αντικείμενο ταξινομείται σε μία από τις υποψήφιες κλάσεις με βάση την πλειοψηφία των γνωστών αντικειμένων που βρίσκονται στην k- γειτονία του

      • Για τα δεδομένα μας k=300 μετά από δοκιμές testanderror


    Αποτελέσματα για τη μελέτη της μουσικής προτίμησης

    • Ταξινόμηση σε 5 ομάδες

      • Συντελεστής λάθους υψηλή

        • οι 5 κατηγορίες δεν μπορούν να διακριθούν μεταξύ τους με τα διαθέσιμα δεδομένα και με χρήση του k-κοντινότερων γειτόνων

    • Ταξινόμηση σε 3 ομάδες

      • Καλύτερος συντελεστής λάθους σε σχέση με εκείνον για 5 ομάδες αλλά κα πάλι υψηλός

        • Μη αποτελεσματικός ταξινομητής


    Support vector machine
    Ταξινόμηση με Support Vector Machine για τη μελέτη της μουσικής προτίμησης

    • Χρησιμοποιείται για να διαπιστωθούν διαφορές και ομοιότητες στα εγκεφαλογραφήματα δύο ομάδων πειραμάτων (DUF-DF, DUF-LUF, DUF-LF, DUF-N, DF-LF, DF-LUF, LF-LUF, DF-N, LF-N)


    Αποτελέσματα (1/2) για τη μελέτη της μουσικής προτίμησης

    • Αρεστό – Γνωστό (LF) :

      • Μέτρια ταξινόμηση (~30% μέσο σφάλμα) με τις ομάδες LUF και DUF

      • Χειρότερη(~40% σφάλμα) με τις ομάδες DF-N.

    • Αρεστό – Άγνωστο (LUF):

      • Kατά σειρά, γίνεται καλύτερη ταξινόμηση με τις ομάδες DUF, DF, N , LF .

      • Μεγαλύτερη διαφορά στα χαρακτηριστικά παρατηρείται με την ομάδα DUF και μικρότερη με την ομάδα LF.

    • Μη αρεστό – Γνωστό (DF):

      • Καλύτερη ταξινόμηση με την ομάδα LUF , μέτρια με την ομάδα LF

      • χειρότερη με τις ομάδες DUF,N

        • Μεγαλύτερες διαφορές με τις ομάδες LUF,LF και μικρότερες με τις DUF,N.


    Αποτελέσματα (2/2) για τη μελέτη της μουσικής προτίμησης

    • Μη αρεστό – Άγνωστο (DUF):

      • Καλύτερη ταξινόμηση με την ομάδα LUF, μέτρια με την ομάδα LF και χειρότερη με τις ομάδες DF,N

        • Μεγαλύτερες διαφορές με τις ομάδες LUF,LF και μικρότερες με τις DF,N.

    • Λευκός Θόρυβος (Ν):

      • Καλύτερη ταξινόμηση με την ομάδα LUF και έπειτα με την DUF.

      • Πολύ κακή(~45%) με τις LF , DF.


    Συμπεράσματα (1/2) για τη μελέτη της μουσικής προτίμησης

    • Η χρήση μη παραμετρικών τεστ δεν μπορεί να οδηγήσει σε συμπεράσματα σε σχέση με ομοιότητες και διαφορές μεταξύ διαφορετικών συνθηκών του πειράματος

      • Χαμηλό επίπεδο σημαντικότητας p>0.05

    • Η χρήση naiveBayesianclassifiers και nearestneighborclassifiers για ταξινόμηση δεν είναι αποτελεσματική

      • Υψηλοί συντελεστές σφάλματος


    Συμπεράσματα για τη μελέτη της μουσικής προτίμησης (2/2)

    • Με χρήση SVM, υπάρχει η δυνατότητα αν δοθεί ένα EEG ατόμου που ακροάστηκε ένα μουσικό κομμάτι να διαπιστωθεί με μεγάλη αξιοπιστία:

      • Ότι ήταν άγνωστο το κομμάτι και είτε του άρεσε είτε δεν του άρεσε.

      • Ότι ήταν άγνωστο το κομμάτι και του άρεσε ή ότι ήταν γνωστό και δεν του άρεσε.

      • Ότι του άρεσε ένα άγνωστο μουσικό κομμάτι ή ότι άκουσε ένα απόσπασμα λευκού θορύβου.


    Μελλοντικές για τη μελέτη της μουσικής προτίμησηςΕπεκτάσεις

    • Χρήση διαφορετικών χαρακτηριστικών από τα EEGs.

    • Χρήση στατιστικής ανώτερης τάξης, όπως

      • κυρτότητα ή σωρείτες του φασματογραφήματος


    Ευχαριστούμε ! για τη μελέτη της μουσικής προτίμησης


    ad