Beyin bilgisayar arayüzü uygulamalarina yönelik EEG işaretleri için öznitelik çikarma
Feature extraction for EEG signals towards brain computer interface applications
- Tez No: 179221
- Danışmanlar: DOÇ. DR. TEMEL KAYIKÇIOĞLU
- Tez Türü: Yüksek Lisans
- Konular: Biyomühendislik, Elektrik ve Elektronik Mühendisliği, Bioengineering, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2008
- Dil: Türkçe
- Üniversite: Karadeniz Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik ve Elektronik Mühendisliği Bölümü
- Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Sayfa Sayısı: 93
Özet
Elektroensefalografi (EEG) işaretleri, beyin yüzeyinden elektrotlarla algılanan düşük genlikli biyoelektrik işaretlerdir. Bu işaretlerin genliği tepeden tepeye 1-400 ?V ve frekans bandı ise 0.5-100 Hz aralığında bulunmaktadır. EEG işaretlerinin beyin aktiviteleri ile ilgili çok miktarda bilgi içermesinden dolayı son yıllarda bu alandaki araştırmalar, tıp ve mühendislik bilimlerinde hız kazanmıştır. Tıbbi alanda, bu işaretler nörolojik hastalıkların teşhis edilmesinde ve seçilen tedavi yöntemlerinin başarımlarının izlenmesinde önemli rol oynamaktadır. Mühendislik alanında, düşünsel ve görsel uygulamalar süresince kaydedilmiş olan EEG işaretlerinden çıkartılan özniteliklere dayalı sınıflandırma beyin bilgisayar arayüzleşmesi için önemli bilgi sağlar. Beyin Bilgisayar Arayüzleri (BBA), kişilerin kas sistemlerini bir başka deyişle motor sinir sistemlerini kullanmadan bir bilgisayarı, elektromekanik bir kolu ya da çeşitli nöroprotezleri kullanmalarını olanaklı hale getirmektedirler. Günümüzde BBA uygulamaları için EEG, tek hücre kayıtlamaları (SCR), fonksiyonel manyetik rezonans görüntüleme (fMRI), bölgesel alan potansiyelleri (LFP), yakın infrared spektroskopisi (NIRS), elektrokorti¬gografi (ECoG), magnetoensefalografi (MEG) gibi teknikler kullanılmaktadır. Bu teknikler içerisinde, pratik olarak elde edilmesi ve uygulanması kolay olduğundan BBA sistemleri için genel olarak EEG seçilmektedir .BBA tabanlı EEG alanında yapılan araştırmalardaki amaç, mevcut yöntemlerden daha yüksek sınıflandırma oranına ve beyin-bilgisayar arayüzleşme veri hızına sahip bir yöntem geliştirmektir.Bu tez çalışmasında, literatürde kullanılan farklı düşünsel ve görsel uygulamalarda elde edilmiş bir EEG veri kümesi üzerinde çalışıldı. Bu EEG veri kümesinden öznitelik çıkartımı çeşitli matematiksel yöntemlerle analiz edilerek incelendi. Bulunan özniteliklere göre Destek Vektör Makineleri ve KNN sınıflayıcısı kullanılarak sınıflandırma yapılmıştır. Tüm bu çalışmalar daha yüksek sınıflandırma oranı ve yüksek beyin bilgisayar arayüzleşmesi veri hızı elde edebilmek amacı gözetilerek gerçekleştirilmiştir.
Özet (Çeviri)
Electroencephalography (EEG) signals are the low amplitude bioelectrical signals which are received from brain surface. Those signals? peak to peak amplitude is 1-400 ?V and frequency band situates between 0.5-100 Hz. Since EEG signals include much information about brain activities, in last years the research in this area has accelerated in the fields of medicine and engineering. In the field of medicine, those signals play an important role in diagnosing neurological diseases and in monitoring success of medical treatments selected. In the engineering field, the features extracted from EEG signals recorded during the mental and visual tasks provide valuable information brain computer interfacing. Brain Computer Interface (BCI) makes possible to people to use a computer, an electromechanical arm or variety of neuroprothesis without using their muscle systems, in other words without using their motor neurosystems. Nowadays, a couple of techniques, such as EEG, single cell recordings (SCR), functional magnetic resonance imaging (fMRI), local field potential (LFP), Near Infrared Spectroscopy (NIRS), electrocorticography (ECoG) and magnetoencefalography (MEG) are used for BCI implementations. Among these techniques, generally EEG is selected for BCI systems due to the fact that it is easy to apply and practically accessible.The goal in area of EEG based BCI research is to develop a method which has higher classification rate and brain computer interfacing data rate than existing methods.In this thesis, it was studied on EEG dataset which was obtained under different mental and visual tasks used in literature. Feature extractions from that EEG dataset were analysed with various mathematical methods. According to discovered features classification was done by using support vector machines (SVM) and KNN classifier. All these studies actualized by considering the goal of to obtain higher classification rate and high brain computer interfacing data rate.
Benzer Tezler
- Ortam kontrol uygulamasına yönelik p300 tabanlı asenkron beyin bilgisayar arayüzü tasarımı ve uygulaması
Design and implementation of p300 based asyncronous brain computer interface for environment control applications
EDA AKMAN AYDIN
Doktora
Türkçe
2015
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiElektronik-Bilgisayar Eğitimi Ana Bilim Dalı
PROF. DR. İNAN GÜLER
- Beyin bilgisayar arayüzü uygulamalarında motor görüntüleme EEG sinyallerinin analizi için yeni yaklaşımlar
New approaches to analysis of motor imagery EEG signals in brain computer interface applications
ESRA KAYA
Doktora
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. İSMAİL SARITAŞ
- Dijital ortamda beyin bilgisayar arayüzü kullanımı
The usage of brain computer interface in digital environment
MUHEMMET FATİH KILAVUZ
Yüksek Lisans
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolYıldız Teknik ÜniversitesiSanat ve Tasarım Ana Sanat Dalı
DOÇ. DR. BAHADIR UÇAN
- Potansiyel EEG tabanlı beyin bilgisayar arayüzleri için motor imgeleme aktivitelerinin tespit edilmesi
Detecting motor imagery activity for EEG based brain computer interface applications
ÖZGÜR KARATAŞ
Yüksek Lisans
Türkçe
2020
BiyomühendislikHacettepe ÜniversitesiBiyomühendislik Ana Bilim Dalı
PROF. DR. MEHMET ALİ ONUR
DOÇ. DR. HARUN ARTUNER
- Feature extraction and classification of electroencephalographic (EEG) signals towards the use of brain-computer interface in cognitive applications
Bilişsel uygulamalarda beyin-bilgisayar arayüzünün kullanımına yönelik özellik çıkarımı ve elektroensefalografik (EEG) sinyallerin sınıflandırılması
SEZİN TUNABOYLU
Doktora
İngilizce
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolDokuz Eylül Üniversitesiİstatistik Ana Bilim Dalı
PROF. DR. EFENDİ NASİBOĞLU