Geri Dön

Video game-enhanced deep learning framework for EEG-based brain-computer interfaces in rehabilitation applications

Rehabilitasyon uygulamaları için EEG tabanlı beyin-bilgisayar arayüzlerinde video oyun destekli derin öğrenme modeli

PDF İndir

  1. Tez No: 1021360
  2. Yazar: ABDULLAH YİĞİT SAĞLAM
  3. Danışmanlar: DOÇ. DR. EBRU SAYILGAN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Beyin-bilgisayar arayüzü, Derin öğrenme, EEG, Elektroensefalografi, Rehabilitasyon, Video oyunları, Yapay zeka, Brain-computer interface, Deep learning, Electroencephalography, Rehabilitation, Video games, Artificial intelligence
  7. Yıl: 2026
  8. Dil: İngilizce
  9. Üniversite: İzmir Ekonomi Üniversitesi
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Beyin–bilgisayar arayüzü (BCI) sistemleri, beyin aktivitesi ile harici cihazlar arasında doğrudan bir iletişim yolu sağlayarak rehabilitasyon odaklı uygulamalar için umut verici olanaklar sunmaktadır. Bununla birlikte, geleneksel rehabilitasyon görevleri çoğunlukla tekrarlı bir yapıya sahiptir ve bu durum zamanla kullanıcı motivasyonunun azalmasına neden olabilir. Bu tezde, yön komutu sınıflandırması için sinyal işleme, uzun kısa süreli bellek (LSTM) tabanlı derin öğrenme ve video oyun destekli etkileşimi bir araya getiren elektroensefalografi (EEG) tabanlı bir BCI çerçevesi sunulmaktadır. EEG sinyalleri, 16 kanallı OpenBCI Cyton + Daisy yapılandırması kullanılarak 125 Hz örnekleme frekansında kaydedilmiştir. Başlangıçta altı katılımcıya ait kayıtlar değerlendirilmiş, ancak S1 donanım kaynaklı gürültü nedeniyle analiz dışında bırakılmıştır. Bu nedenle nihai analiz, S2–S6 olarak etiketlenen beş sağlıklı katılımcı üzerinden gerçekleştirilmiştir. Yukarı, aşağı, sol ve sağ olmak üzere dört yön komutu oyun içi hareketlerle eşleştirilmiştir. EEG sinyallerine 50 Hz çentik filtresi ve 8–30 Hz bant geçiren filtre uygulanmış, sinyaller %84 örtüşme oranına sahip 0.2 saniyelik pencerelere bölütlenmiş ve boşta kalma durumunu temsil eden pencereler sınıflandırma öncesinde veri kümesinden çıkarılmıştır. LSTM modeli MATLAB ortamında uygulanmış ve 5 katlı çapraz doğrulama yöntemiyle değerlendirilmiştir. Model, katılımcı bazında ortalama %87.81 doğruluk, havuzlanmış pencere tabanlı %87.43 doğruluk, %87.01 makro F1-skoru ve %87.41 ağırlıklı F1-skoru elde etmiştir. Anket sonuçları, 5 üzerinden 4.40 katılım skoru ve 5 üzerinden 0.20 yorgunluk skoru göstermiştir. Bu bulgular, video oyun destekli rehabilitasyon uygulamaları için LSTM tabanlı EEG sınıflandırma çerçevesinin uygulanabilirliğini göstermektedir.

Özet (Çeviri)

Brain–computer interface (BCI) systems provide a direct communication pathway between brain activity and external devices, offering promising opportunities for rehabilitation oriented applications. However, conventional rehabilitation tasks are often repetitive and may reduce user motivation over time. This thesis presents an electroencephalography (EEG)-based BCI framework that integrates signal processing, long short-term memory (LSTM)-based deep learning, and video game-enhanced interaction for directional command classification. EEG signals were acquired using the OpenBCI Cyton + Daisy configuration with 16 channels at a sampling frequency of 125 Hz. Although recordings were initially considered from six participants, S1 was excluded due to hardware-related noise. Hence, the final analysis was conducted using five healthy participants, labeled S2–S6. Four directional commands, namely up, down, left, and right, were mapped to in-game actions. The EEG signals were preprocessed using a 50 Hz notch filter and an 8–30 Hz bandpass filter, segmented into 0.2-second windows with 84% overlap, and idle windows were removed before classification. The LSTM model was implemented in MATLAB and evaluated using 5-fold cross-validation. The model achieved a mean subject-wise accuracy of 87.81%, a pooled window-based accuracy of 87.43%, a macro F1-score of 87.01%, and a weighted F1-score of 87.41%. Questionnaire results showed an engagement score of 4.40/5 and a fatigue score of 0.20/5. These findings demonstrate the feasibility of using an LSTM-based EEG classification framework for video game-enhanced rehabilitation applications.

Benzer Tezler

  1. Tez No

    849108

    DA4HI: A deep learning framework for facial emotion recognition in affective systems for children with hearing impairments.

    DA4HI: İşitme engelli çocuklar için duyuşsal sistemlerde yüzdeki duyguların tanınması maksadıyla geliştirilen derin öğrenme modeli.

    CEMAL GÜRPINAR

    Doktora

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. HATİCE KÖSE

    PROF. DR. NAFİZ ARICA

  2. Tez No

    866400

    Using task-based visual attention for continually improving the performance of autonomous game agents

    Otonom oyun ajanlarının performansını sürekli iyileştirmek için görev tabanlı görsel dikkat kullanımı

    EREN ULU

    Doktora

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolHacettepe Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. TUNCA DOĞAN

    DOÇ. DR. UFUK ÇELİKCAN

  3. Tez No

    953871

    Integrating RNBO into unity: a framework for procedural and adaptive game audio

    RNBO'nun unıty'e entegrasyonu: oyunlar için işlemsel ve uyarlanabilir ses tasarımı çerçevesi

    DENİZ KOÇAK

    Yüksek Lisans

    İngilizce

    İngilizce

    2025

    Müzikİstanbul Teknik Üniversitesi

    Oyun ve Etkileşim Teknolojileri Ana Bilim Dalı (disiplinlerarası)

    DR. ÖĞR. ÜYESİ OZAN SARIER

  4. Tez No

    329743

    Diz osteoartriti olan hastalarda sanal gerçeklik uygulaması ve kinezyolojik bantlamanın propriosepsiyon üzerinde etkinliği ve kıyaslaması

    Effectiveness of virtual rehabilitation and kinesio taping on proprioception in knee osteoarthritis

    ALİ AKBAR YOUSEFİ AZARFAM

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2013

    Fiziksel Tıp ve RehabilitasyonHacettepe Üniversitesi

    Fizik Tedavi ve Rehabilitasyon Ana Bilim Dalı

    PROF. DR. ALP ÇETİN

  5. Tez No

    808829

    Açık dünya bilgisayar oyunlarında illüstrasyon kullanımı

    Use of i̇llustration i̇n open world computer games

    FURKAN ÇAM

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Güzel SanatlarNecmettin Erbakan Üniversitesi

    Grafik Ana Bilim Dalı

    DOÇ. DR. MUSTAFA KINIK

Geri Dön