DTU Studieprojekt - MSc thesis - Mental states classification from unlabelled EEG data using self-supervised learning tools

MSc thesis - Mental states classification from unlabelled EEG data using self-supervised learning tools

Udbyder
Vejleder
Sted
København og omegn
The objective of this project is to implement a self-supervised method to classify mental workload in an everyday setting using our Nexus device.The project will begin with a review of self-supervised learning, specifically applied to EEG signals and other biological signals. The next step will be to reproduce the results obtained by Bainville et al. using publicly available datasets [1]. Next, a small experimental protocol will be designed to generate data using the Nexus device. This process will involve determining a task (i.e. Meditation, Mental workload, Eyes closed/open, etc.), the minimum number of samples/recordings, the pretext tasks (Relative positioning, temporal shuffling, etc.) and other optimal parameters for improving the self-supervised learning capabilities. Lastly, the performance will be compared to other baseline methods and will be thoroughly analyzed to determine which factors affect the performance.

Project recommended requirements:

? Experience with EEG signal processing and analysis.

? Experience with Python

? Experience with ML/DL

? Experience with Self-supervised learning

References

[1] Banville, Hubert, et al. "Uncovering the structure of clinical EEG signals with self-supervised learning." Journal of Neural Engineering 18.4 (2021): 046020.

I samarbejde med
Mark Yousef (Insai aps)

Forudsætninger
programming

Emneord

• Bioteknologi og biokemi
• Elektroteknologi
• Fysik
• Informationsteknologi
• Matematik
• Materialer
• Medicin og medicoteknik
• Bakterier og mikroorganismer
• Biologiske systemer
• Celler
• Enzymer og proteiner
• Gener og genomer
• Syntetisk biologi
• Vira
• Antenner
• Elektromagnetisme
• Elektronik
• Lyd
• Mikrobølgeteknologi
• Robotteknik og automation
• Energisystemer
• Lasere
• Lyskilder
• Mikro- og nanoteknologi
• Optik
• Sensorer
• Kortlægning og opmåling
• Billedanalyse
• Computerberegning
• Dataanalyse
• Hardware og komponenter
• It-systemer
• Software og programmering
• System- og datasikkerhed
• Telekommunikation
• Nanopartikler
• Geometri
• Matematisk analyse
• Matematisk logik
• Matematisk modellering
• Statistik
• Fysiologisk modellering
• Høreapparater
• Hospitalsindretning
• Kunstige organer
• Medicinske apparater og systemer
• Nanomedicin
• Radioaktive lægemidler og isotoper
• Sundhed og sygdomme
• Rumteknologi og instrumenter
• Satellitter

• brain
• BrainComputerInterface
• deeplearning
• EEG

Navn
Silvia Tolu

Stilling
Lektor

Mail
stolu@elektro.dtu.dk

Vejleder-info
Kandidatuddannelsen i Menneskeorienteret Kunstig Intelligens
Vejleder
Silvia Tolu

Kandidatuddannelsen i Bioinformatik og Systembiologi
Vejleder
Silvia Tolu

Kandidatuddannelsen i Medicin og Teknologi
Vejleder
Silvia Tolu

Kandidatuddannelsen i Informationsteknologi
Vejleder
Silvia Tolu

Kandidatuddannelsen i Elektroteknologi
Vejleder
Silvia Tolu

Kandidatuddannelsen i Fotonik
Vejleder
Silvia Tolu

Kandidatuddannelsen i Matematisk Modellering og Computing
Vejleder
Silvia Tolu

Kandidatuddannelsen i Autonome Systemer
Vejleder
Silvia Tolu

Kandidatuddannelsen i Fysik og Nanoteknologi
Vejleder
Silvia Tolu

Skriv i din ansøgning, at du fandt jobbet på ofir.dk