รายละเอียดโครงงาน
หลักสูตร/ปี พ.ศ. วิศวกรรมศาสตรบัณฑิต สาขาวิชาวิศวกรรมซอฟต์แวร์และความรู้ ปี พ.ศ. 2569
ภาคและปีการศึกษาที่สำเร็จการศึกษา ภาคปลาย ปีการศึกษา 2568
ประเภทโครงงาน
โครงงานวิศวกรรม
ชื่อโครงงานภาษาไทย
แพลตฟอร์มวิเคราะห์สัญญาณ EEG เพื่อการพยากรณ์พฤติกรรมจากสัญญาณก่อนการกระตุ้น
ชื่อโครงงานภาษาอังกฤษ
EEG Analysis Platform for Prestimulus EEG-Based Behavioral Prediction
ผู้พัฒนา
6510545543 นายนันทวัฒน์ สุขศิริสันต์
6510545560 นายเนติธรณ์ เชาวน์วีระโชติ
อาจารย์ที่ปรึกษาหลัก
ธนาวินท์ รักธรรมานนท์
อาจารย์ที่ปรึกษาร่วม
-
บทคัดย่อ
คลื่นไฟฟ้าสมอง (Electroencephalography: EEG) ถูกใช้อย่างแพร่หลายในการศึกษาความสัมพันธ์ระหว่างกิจกรรมของสมองกับพฤติกรรม อย่างไรก็ตาม งานวิจัย EEG ในทางปฏิบัติมักพึ่งพากระบวนการทดลองเชิงสำรวจแบบเฉพาะกิจ (ad-hoc) โน้ตบุ๊กเชิงโต้ตอบ (interactive notebooks) ช่วยให้ตรวจสอบข้อมูลและปรับแก้ได้อย่างรวดเร็ว แต่สถานะการรันที่ซ่อนอยู่ (hidden execution state) การพึ่งพาสภาพแวดล้อม (environment dependency) และความไม่สม่ำเสมอของขั้นตอนการเตรียมข้อมูล ทำให้ยากต่อการทำซ้ำผลลัพธ์ การเปรียบเทียบการทดลองอย่างเป็นระบบ และการแบ่งปันเวิร์กโฟลว์ที่ผู้อื่นสามารถนำไปใช้ซ้ำได้ในลักษณะเดียวกัน
โครงการนี้ศึกษาว่าสัญญาณ EEG ก่อนการกระตุ้น (prestimulus EEG) สามารถใช้ทำนายประสิทธิภาพเชิงพฤติกรรมได้หรือไม่ โดยใช้ชุดข้อมูล Healthy Brain Network EEG (HBN-EEG) เรามุ่งเน้นการทดลอง Contrast Change Detection (CCD) และใช้ช่วงเวลาระหว่างการทดลอง (inter-trial interval: ITI) ระยะ 2 วินาที เป็นหน้าต่าง prestimulus ที่กำหนดไว้อย่างชัดเจนสำหรับการสร้างแบบจำลอง
แนวทางที่นำเสนอจะสกัดคุณลักษณะเชิงสเปกตรัมและ steady-state จากช่วง CCD-ITI หลังผ่านการเตรียมข้อมูลมาตรฐาน (เช่น การกรองแบนด์พาส การลดสัญญาณรบกวน และการปรับให้อยู่ในสเกลเดียวกัน) จากนั้นทำการฝึกโมเดลเพื่อทำนายเวลาในการตอบสนอง (reaction time: RT) ในลักษณะการถดถอย (regression) และความถูกต้องในระดับแต่ละรอบการทดลองในลักษณะการจำแนกแบบสองคลาส (binary classification)
ประสิทธิภาพของโมเดลถูกประเมินโดยใช้ตัวชี้วัดสำหรับรีเกรสชันในงาน RT (เช่น MAE และ MSE) และตัวชี้วัดสำหรับการจำแนกในงานความถูกต้อง (เช่น accuracy, F1-score, precision และ recall)
เพื่อสนับสนุนการทดลองที่สามารถทำซ้ำได้ ส่วนของซอฟต์แวร์ในโครงการนี้ได้พัฒนาอินเทอร์เฟซแบบน้ำหนักเบา สำหรับกำหนดค่าขั้นตอนการเตรียมข้อมูล ดำเนินการสกัดคุณลักษณะและสร้างโมเดล รวมถึงสร้างผลลัพธ์ในรูปแบบมาตรฐาน (ตาราง/กราฟ) โดยไม่ต้องพึ่งพาการทดลองแบบลองผิดลองถูกผ่านโน้ตบุ๊กอีกต่อไป
Abstract
Electroencephalography (EEG) is widely used to study how neural activity relates to behavior, but practical EEG research often depends on ad-hoc exploratory workflows. Interactive notebooks are convenient for in spection and rapid iteration; however, hidden execution state, environment dependency, and inconsistent preprocessing make it difficult to reproduce results, compare experiments systematically, and share a workflow that others can run in the same way.
This project investigates whether prestimulus EEG can predict behavioral performance in the Healthy Brain Network EEG (HBN-EEG) dataset. We focus on the Contrast Change Detection (CCD) task and use the 2-second inter-trial interval (ITI) segment as a constrained prestimulus window for modeling.
The proposed approach extracts steady-state and spectral features from CCD-ITI epochs after standard preprocessing (e.g., bandpass filter ing, artifact mitigation, and normalization). We train models to predict reaction time (RT) as a regression target and trial-level correctness (ac curacy) as a binary classification target. Performance is evaluated using regression metrics for RT (e.g., MAE/MSE) and classification metrics for correctness (accuracy, F1-score, precision, and recall).
To support reproducible experimentation, the software component provides a lightweight interface for configuring preprocessing, running feature extraction and modeling, and producing standardized outputs (tables/plots) without relying on notebook-based trial-and-error.
คำสำคัญ (Keywords)
Prestimulus EEG, HBN-EEG, Contrast Change Detection, Reaction Time, Correctness Prediction, Inter-trial Interval, EEG Preprocessing
เว็บไซต์โครงงาน
-
วีดีโอคลิปของโครงงาน
ที่เก็บเวอร์ชันซอร์สโค้ด
https://github.com/Nantawat6510545543/EEGAnalysis-Platform-for-Prestimulus-EEG-Based-Behavioral-Prediction
สถานะการนำเข้าข้อมูล
ผู้นำเข้าข้อมูลครั้งแรก
นายนันทวัฒน์
สุขศิริสันต์
(b6510545543)
แก้ไขครั้งสุดท้าย
เมื่อ April 28, 2026, 11:35 p.m. โดย
นายนันทวัฒน์
สุขศิริสันต์
(b6510545543)
สถานะการอนุมัติ
รออนุมัติ