Publication: การวิเคราะห์ความสัมพันธ์ระหว่างสัญญาณสมองและการหายใจโดยใช้เทคนิคการแปลงเวฟเล็ต
0
0
Issued Date
2025
Resource Type
Language
tha
File Type
application/pdf
No. of Pages/File Size
67
Access Rights
open access
Rights
ผลงานนี้เผยแพร่ภายใต้ สัญญาอนุญาตครีเอทีฟคอมมอนส์แบบ แสดงที่มา-ไม่ใช้เพื่อการค้า-ไม่ดัดแปลง 4.0 (CC BY-NC-ND 4.0)
Rights Holder(s)
มหาวิทยาลัยศรีนครินทรวิโรฒ
Physical Location
สำนักหอสมุดกลาง มหาวิทยาลัยศรีนครินทรวิโรฒ
Suggested Citation
กษิดิศ สมัย (2025). การวิเคราะห์ความสัมพันธ์ระหว่างสัญญาณสมองและการหายใจโดยใช้เทคนิคการแปลงเวฟเล็ต. สืบค้นจาก: https://hdl.handle.net/20.500.14740/55632
Alternative Title(s)
Analysis of Brain - Voluntary Respiration correlation using Wavelet Transform
Author(s)
Advisor(s)
Abstract
This study aims to propose an approach for monitoring respiratory rhythm using
electroencephalogram (EEG) signals. The Discrete Wavelet Transform (DWT) technique was applied to extract significant features from EEG signals associated with diaphragmatic breathing patterns. In this experiment, EEG signals were recorded from eight electrode channels based on the international 1010 electrode placement system. The channels were divided into two groups: Group 1 consisting of C3, C4, Cz, and T8, and Group 2 consisting of Fz, FC2, F4, and FC6.
The experimental procedure involved simultaneous acquisition of EEG and respiratory
signals from five volunteers. Participants were instructed to perform diaphragmatic breathing under natural unpaced conditions as well as different breathing patterns, including rapid breathing, normal breathing, and deep breathing. The recorded EEG signals were then analyzed using the Discrete Wavelet Transform technique.
The results revealed that respiratory-related EEG components were primarily
observed within the D8-A9 decomposition levels. Correlation Coefficient analysis was
employed to evaluate the relationship between the extracted EEG components and
respiratory signals. The highest correlation coefficient obtained in this study was (r = 0.8). These findings indicate that wavelet transform techniques are capable of extracting respiratory related characteristics from EEG signals. Therefore, this approach may serve as an alternative method for developing brain-signal feedback systems for respiratory training in patients with chronic pulmonary diseases in the future.
Description
โครงงานวิศวกรรมนี้เป็นส่วนหนึ่งของการศึกษาตามหลักสูตรวิศวกรรมศาสตรบัณฑิต ภาควิชาวิศวกรรมชีวการแพทย์ คณะวิศวกรรมศาสตร์ มหาวิทยาลัยศรีนครินทรวิโรฒ ปีการศึกษา 2568