Geri Dön

Analysis and classification of EEG with adapted wavelets and local discriminant bases

Uyarlanabilir dalgacıklar ve yerel ayırımcı tabanlar ile EEG analiz ve sınıflaması

  1. Tez No: 197978
  2. Yazar: NURİ FIRAT İNCE
  3. Danışmanlar: PROF.DR. PEKCAN UNGAN, Y.DOÇ.DR. SAMİ ARICA
  4. Tez Türü: Doktora
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: EEG, Beyin Bilgisayar Arabirimi, Hareketin Hayali, UyarlanabilirZaman-Sıklık Analizi.II, EEG, Brain Computer Interface, Movement Imagery, Adaptive Time-Frequency Analysis.I
  7. Yıl: 2005
  8. Dil: İngilizce
  9. Üniversite: Çukurova Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 112

Özet

ÖZDOKTORA TEZİUYARLANABİLİR DALGACIKLAR VE YEREL AYRIMCITABANLARLA EEG ANALİZİ VE SINIFLAMASINuri Fırat İNCEÇUKUROVA ÜNİVERSİTESİFEN BİLİMLERİ ENSTİTÜSÜELEKTRİK ELEKTRONİK MÜHENDİSLİĞİ BÖLÜMÜDanışman : Yrd. Doç.Dr. Sami ARICAİkinci Danışman : Prof. Dr. Pekcan UNGANYıl : 2005, Sayfa: 99Juri : Prof. Dr. Yakup SARICADoç.Dr.. Caner ÖZDEMİRDoç. Dr. Turgut İKİZYrd. Doç. Dr. Ali KOKANGÜLElektroensefalogram (EEG) son yıllarda engelli kişilerin çevreleri ile iletişim vekontrol kurmalarında önemli bir araç haline gelmiştir. Beyin Bilgisayar arabirimi (BrainComputer Interface, BCI) olarak adlandırılan, EEG de herhangi bir kas işlevi gerektirmedenoluşan belirli birtakım imgelerin analizi ve sınıflaması ile oluşturulmaktadır. Hareketinhayali de böylesi bir davranışa sahiptir ve BCI için bir strateji olarak kullanılabilir. Hareketinhayali ile EEG de oluşan imgeler aynı zamanda gerçek hareketle de güçlü bir bağ içerir. Tekbir kayıtta EEG nin BCI amaçlı analizi ve sınıflanması için bir çok metod kullanılmıştır.Genellikle bu metodlar sabit zaman ve frekans noktalarını kullanmaktadırlar. Halbuki EEGdurağan değildir ve kişiye özgü imgeler içerir. Bu nedenle lokal ve kişiye bağlı bilgininotomatik olarak çıkarılması büyük önem taşır. Bu tezde gerçek ve hayal edilen elhareketlerine ait EEG kayıtlarını analiz etmek ve sınıflayabilmek için uyarlanabilir birzaman-frekans yaklaşımı araştırılmıştır. İlk olarak gerçek hareket EEG si, Yerel KosinüsPaketlerinden entropinin minimize edilmesi ile elde edilen, en iyi tabanlar (Best Bases, BB)algoritması ile zamanda uyarlanabilir olarak bölütlenmiştir. BB analiz bölütlerini ayarlayarakzamanla değişen özellikleri yakalamıştır ki bu bölütlerin fizyolojik duruma karşılık geldiğineinanılmaktadır. Bir sonraki adımda BB nin değiştirilmiş bir versiyonu olan Yerel AyırımcıTabanları (Local Discriminant Bases, LDB), sağ ve sol el hareket hayallerini sınıflama için,kişiye özgü nitelikleri zaman ve frekans bölgesinden otomatik olarak çıkarmıştır. Ne yazık kibu metodun kaydırma karşı değişmezliği yoktur ve yüksek boyutlu uzaya neden olmaktadır.Bu nedenle Mel-skalası, temel bileşen analizi (Principal Component Analysis, PCA) vedevirli kaydırma (Spin Cycle) gibi özellik çıkarıcı ve boyut azaltıcı işlemler sınıflamabaşarısını artırmak için kullanılmıştır. İlginç sonuçlardan biri uyarlanabilir bölütlemenin veözelliklerin kişiler arasında ve de aynı kişide her iki hemisferde farklı olmasıdır. Algoritmasadece zaman ve frekansa değil aynı anda uzaya da uyarlanmıştır. Daha ileri bir adım olarakelektrodların sayısı diğer kortikal bölgelerden yararlanmak için artırılmıştır. Sonuç olarakalgoritma BCI teknolojisi için umut verici başarıya sahiptir.

Özet (Çeviri)

ABSTRACTPhD THESISANALYSIS AND CLASSIFICATION OF EEG WITH ADAPTEDWAVELETS AND LOCAL DISCRIMINANT BASESNuri Fırat İNCEDEPARTMENT OF.ELECTRICAL AND ELECTRONICS ENGINEERING.INSTITUTE OF BASIC AND APPLIED SCIENCESUNIVERSITY OF ÇUKUROVASupervisor: Yrd. Doç. Dr. Sami ARICA2nd Supervisor: Prof. Dr. Pekcan UNGANYear: 2005, Pages: 99Jury: Prof. Dr. Yakup SARICADoç. Dr. Caner ÖZDEMİRDoç. Dr. Turgut İKİZYrd. Doç. Dr. Ali KOKANGÜLElectroencephalogram (EEG) can be used as a strategic tool in establishingcommunication and control between handicapped people and their environment. The socalled ?Brain Computer Interface? (BCI) is constructed by analysis and classification ofspecific patterns in the ongoing EEG which are induced without any need of muscular act.Motor Imagery has similar behavior and can be used as a strategy in the construction of BCI.Motor Imagery induced EEG patterns also have strong relationship to the real performanceof the event. Several methods such as band power and autoregressive model parameters wereused to analyze and classify the single trial EEG for a BCI task. Most of these methods usedfixed time points or frequency indexes. However the movement EEG is non-stationary andcontains subject specific patterns. Therefore it is crucial to extract local and subjectdepended information in an automated manner. In this work an adaptive time-frequencyapproach is investigated to analyze and classify real and imagery hand movement EEGs. Atfirst movement EEG is adaptively divided in time axis by using the Best Base (BB) approachwhich is obtained from the Local Cosine Packets by entropy minimization. BB has capturedtime varying properties of the signal by adjusting analysis segments where it is assumed theycorrespond to physiological states. In the latter case a modified version of Best Basealgorithm, ?Local Discriminant Bases? (LDB) were used to extract subject specific time-frequency features in an automated manner for classification of left and right handmovement imagery. Unfortunately this method suffers from the lack of translation invarianceand causes high dimensionality. Therefore several feature extraction and dimensionreduction methods such as modified mel-scale, principal component analysis and spin cycleprocedures are applied to improve the classification performance. One of the interestingresults is the difference of the adaptive segmentations and feature characteristic of bothhemispheres. The algorithm did not only adapt to time and frequency but also to space. As afurther step the number of electrodes is increased to benefit from the different cortical areas.Accordingly our algorithm has promising success for the BCI technology.

Benzer Tezler

  1. 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

    Türkçe

    2015

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Elektronik-Bilgisayar Eğitimi Ana Bilim Dalı

    PROF. DR. İNAN GÜLER

  2. Detection of epileptic seizures from EEG signals by using daubechies wavelets

    Daubechies dalgacıkları kullanılarak EEG sinyallerinden epileptik nöbetlerin belirlenmesi

    ŞEYMA YOL

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Mühendislik BilimleriDokuz Eylül Üniversitesi

    Biyomedikal Teknolojiler Ana Bilim Dalı

    PROF. DR. GÜLAY TOHUMOĞLU

  3. Design and life cycle assessment of integrated organosolv based biorefinery: Simulated case studies utilizing sessile oak (Quercus petraea) coppices and industrial wood sawdust from Bursa/Turkey region

    Entegre organosolv bazlı biyorafineri tasarımı ve yaşam döngüsü değerlendirmesi: Bursa/Türkiye bölgesinden sapsız meşe (Quercus petraea) ve endüstriyel odun talaşı kullanarak durum çalışmaları simülasyonu

    MERVE NAZLI BORAND

    Doktora

    İngilizce

    İngilizce

    2019

    Enerjiİstanbul Teknik Üniversitesi

    Kimya Mühendisliği Ana Bilim Dalı

    PROF. DR. FİLİZ KARAOSMANOĞLU

  4. Otomobil sürücülerinin farklı trafik ve yol koşullarındaki bilişsel yüklerinin araştırılması

    Investigation of drivers' cognitive loads in different traffic and road conditions

    HİLAL ATICI ULUSU

    Doktora

    Türkçe

    Türkçe

    2024

    Endüstri ve Endüstri MühendisliğiBursa Uludağ Üniversitesi

    Endüstri Mühendisliği Ana Bilim Dalı

    PROF. DR. TÜLİN GÜNDÜZ

  5. Beyin bilgisayar arayüzü tasarımı için farklı zhinsel aktiviteler esnasında oluşan EEG sinyallerinin analiz edilmesi ve sınıflandırılması

    Analysis and classification of EEG signals recorded during different mental tasks for a brain computer interface design

    NURHAN GÜRSEL ÖZMEN

    Doktora

    Türkçe

    Türkçe

    2010

    Makine MühendisliğiKaradeniz Teknik Üniversitesi

    Makine Mühendisliği Ana Bilim Dalı

    DOÇ. DR. LEVENT GÜMÜŞEL