| dc.contributor.advisor | Taskinen, Sara | |
| dc.contributor.advisor | Miettinen, Jari | |
| dc.contributor.author | Hakala, Karita | |
| dc.date.accessioned | 2018-01-29T15:56:09Z | |
| dc.date.available | 2018-01-29T15:56:09Z | |
| dc.date.issued | 2018 | |
| dc.identifier.other | oai:jykdok.linneanet.fi:1818678 | |
| dc.identifier.uri | https://jyx.jyu.fi/handle/123456789/56942 | |
| dc.description.abstract | Sokean signaalinerottelun menetelmät ovat käyttökelpoisia magnetoenkefalografilla mitattujen aivomagneettikäyrien analysoinnissa. Sokean signaalinerottelun menetelmien avulla voidaan selvittää, mistä aivoaktivaatio on peräisin ja millaisiin toimintoihin aktivaatio voidaan yhdistää. MEG-aineiston ajallinen tarkkuus on hyvä, joten lyhytkin mittausaika tuottaa hyvin suuren aineiston.
Suuren aineiston tuottamat laskennalliset ongelmat voidaan kiertää ikkunoimalla MEG-aineisto aika- tai tilasuunnassa. Aineiston ikkunointia on sovellettu aiemmissa tutkimuksissa toiminnallisen magneettikuvauksen aineistoon, jolloin ikkunointi on tehty aikasuunnassa. Tässä tutkielmassa ikkunointia sovellettiin MEG-aineistoon tilasuunnassa, jolloin kaikkien MEG-sensorien yhtäaikaisen analysoinnin sijaan käytetään vain osaa sensoreista kerrallaan. Tällöin moniulotteiseen MEG-aineistoon voidaan käyttää sokean signaalinerottelun menetelmiä pienemmissä osioissa ja MEG-aineistosta voidaan löytää vaikeasti erotettavissa olevia, pieniamplitudisia lähdesignaaleja.
Spatiaalisen ikkunoinnin hyödyllisyyttä tutkittiin simulointiasetelman ja MEG-aineiston avulla. Simulointiasetelmassa pyrittiin selvittämään, onko ikkunointimenetelmästä hyötyä sokean signaalinerottelun menetelmiä sovellettaessa. Simulointi toteutettiin MEG-mittausasetelmaa mukaillen. MEG-aineisto koostui yhden koehenkilön noin neljän minuutin MEG-mittauksesta, jossa tarkoituksena oli kontrolloida koehenkilön näköjärjestelmän toimintaa.
Simulointiasetelman tulosten perusteella spatiaalisesta ikkunoinnista on hyötyä sokean signaalinerottelun menetelmistä erityisesti riippumattomien komponenttien analyysin (ICA) käytön yhteydessä, eikä ikkunoinnista ole ainakaan haittaa toisen asteen lähde-erottelumallin (SOS) käytön yhteydessä. MEG-aineiston tapauksessa ikkunointi ei herätevasteiden tasolla pystynyt erottelemaan haluttua lähdesignaalia tarkasti, mutta lähdesignaaleiden topografiat vastasivat oletetunlaisia lähdesignaalien jakaumia. | fi |
| dc.format.extent | 1 verkkoaineisto (53 sivua) | |
| dc.format.mimetype | application/pdf | |
| dc.language.iso | fin | |
| dc.rights | Julkaisu on tekijänoikeussäännösten alainen. Teosta voi lukea ja tulostaa henkilökohtaista käyttöä varten. Käyttö kaupallisiin tarkoituksiin on kielletty. | fi |
| dc.rights | This publication is copyrighted. You may download, display and print it for Your own personal use. Commercial use is prohibited. | en |
| dc.subject.other | sokea signaalinerottelu (BSS) | |
| dc.subject.other | riippumattomien komponenttien analyysi (ICA) | |
| dc.subject.other | toisen asteen lähde-erottelumallit (SOS) | |
| dc.title | Spatiaalisen ikkunoinnin ja sokean signaalinerottelun menetelmien hyödyntäminen MEG-aineiston analysoinnissa | |
| dc.identifier.urn | URN:NBN:fi:jyu-201801291369 | |
| dc.type.ontasot | Pro gradu -tutkielma | fi |
| dc.type.ontasot | Master’s thesis | en |
| dc.contributor.tiedekunta | Matemaattis-luonnontieteellinen tiedekunta | fi |
| dc.contributor.tiedekunta | Faculty of Sciences | en |
| dc.contributor.laitos | Matematiikan ja tilastotieteen laitos | fi |
| dc.contributor.laitos | Department of Mathematics and Statistics | en |
| dc.contributor.yliopisto | University of Jyväskylä | en |
| dc.contributor.yliopisto | Jyväskylän yliopisto | fi |
| dc.contributor.oppiaine | Tilastotiede | fi |
| dc.contributor.oppiaine | Statistics | en |
| dc.date.updated | 2018-01-29T15:56:09Z | |
| dc.rights.accesslevel | openAccess | fi |
| dc.type.publication | masterThesis | |
| dc.contributor.oppiainekoodi | 4043 | |
| dc.subject.yso | aivotutkimus | |
| dc.subject.yso | simulointi | |
| dc.subject.yso | MEG | |
| dc.format.content | fulltext | |
| dc.type.okm | G2 | |
