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
- Tez No: 275696
- Danışmanlar: DOÇ. DR. LEVENT GÜMÜŞEL
- Tez Türü: Doktora
- Konular: Makine Mühendisliği, Mechanical Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2010
- Dil: Türkçe
- Üniversite: Karadeniz Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Makine Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 189
Özet
Bu çalışmada, farklı zihinsel ve motor aktiviteler esnasında kaydedilen EEG verilerinden öz nitelikler çıkarılmış ve iki farklı sınıflandırıcı ile bu öz niteliklerin performansları değerlendirilmiştir. Nörofizyolojik bozukluğu olan kişiler hedeflenerek gerçekleştirilen çalışmada, farklı görevler esnasında kaydedilen EEG sinyalleri analiz edilmiştir. Bu görevler rahat durum, problem çözümü, sağ el hayali, sol el hayali ve A harfi hayali şeklindedir.Zihinden gerçekleştirilen beş farklı görevin ortaya konması esnasında, Biosemi ActiveTwo System EEG cihazı kullanılarak kaydedilen EEG verileri içerisinden, zihinsel görevlerde aktif olduğu düşünülen dokuz kanal seçilmiştir. Bu kanallardan elde edilen veriler, MATLAB ortamında geliştirilen algoritmalar ile analiz edilmiştir. Öncelikle veriler ön işleme tabi tutularak gürültüden ve bozucu etkilerden arındırılmıştır. İki aşamalı olarak gerçekleştirilen öz nitelik çıkarma işleminin ilk aşamasında spektral analiz yöntemlerinden Welch metodu kullanılarak güç spektral yoğunluğu hesaplanmıştır. İkinci aşamada, güç spektral yoğunluğu hesaplanmış verilerden, alfa ve beta ritimlerinin karakteristik özellikleri kullanılarak öz nitelikler belirlenmiştir. Öz niteliklerin sınıflandırma performansının belirlenmesi için, Doğrusal Ayırıcı Analizi ve Destek Vektör Makinesi yöntemleri kullanılarak farklı görevlerin ikili ve çoklu sınıflandırmaları gerçekleştirilmiştir. Sınıflandırma sonuçları her kanalın performansını gösterecek şekilde hesaplanmış ve her bir görev için aktif olan kanallar belirlenmiştir.Kullanılan sınıflandırma yöntemlerinden Destek Vektör Makinesi ile elde edilen sınıflandırma başarımlarının hem ikili hem de çoklu sınıflandırmada, Doğrusal Ayırıcı Analizi'nden üstün olduğu belirlenmiştir. Farklı sayıda elektrot kullanılarak, sınıflandırma performansları kıyaslanmış ve dört elektrot kullanımının yeterli olduğu görülmüştür. Beş farklı görev için sınıflandırma başarımları değerlendirildiğinde, bu sonuçların Beyin Bilgisayar Arayüzü uygulamalarında kullanılabilir olduğu sonucuna varılmıştır. Sınıflandırıcıların performans ölçütleri, sınıflandırma doğruluğu, duyarlılık ve seçicilik açısından ele alınmış ve sınıflandırıcıların başarılı olduğu belirlenmiştir.
Özet (Çeviri)
In this study, features of EEG signals which are recorded during different mental and motor tasks are extracted and the performances of those features are tested with two different classifiers. EEG signals recorded during mental tasks are analyzed so that it is aimed to help people with neurophysiological disorders. The tasks are relax state, problem solving, imagination of right hand, imagination of left hand and imagination of the letter A.A Biosemi ActiveTwo System is used to record EEG signals and the data gathered from the chosen nine electrode channels are transferred to the MATLAB for analysis and then purified from noise and outliers. After that a two step feature extraction algorithm is applied. The first step involves calculating power spectral densities by Welch method, and the second step is developed from this power spectral density data, which is determining alpha and beta band characteristics as features. The extracted feature vectors are transferred to Linear Discriminant Analysis and Support Vector Machines classifiers and they are used for two class and multiclass classification. Classification results are obtained for each channel and by using those results the most active channels for each task are determined.Among the classifiers, Support Vector Machines performed better than the Linear Discriminant Analysis for both classification schemes. In addition the use of four electrodes found enough for analysis. The achieved classification results showed the eligibility of five different tasks for Brain Computer Interface applications. Finally, the classification performances are considered by classification accuracy, sensitivity and specificity constraints.
Benzer Tezler
- EEG sinyalleri kullanılarak derin öğrenme yöntemiyle beyin klavyesi arayüzü tasarımı
Brain keyboard interface design with deep learning method using EEG signals
MELİH DEMİR
Yüksek Lisans
Türkçe
2024
BiyomühendislikKütahya Dumlupınar Üniversitesiİleri Teknolojiler Ana Bilim Dalı
DOÇ. DR. MUSTAFA TOSUN
- Motor imagery based mobile brain computer interface design using machine learning techniques
Makine öğrenmesi yöntemleri ile motor hareket hayali tabanlı mobil beyin bilgisayar arayüzü tasarımı
HAKAN AŞIK
Yüksek Lisans
İngilizce
2017
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
PROF. DR. ZÜMRAY DOKUR
- Dikkat dağınıklığı üzerine bir beyin bilgisayar arayüzü tasarımı ve uygulaması
Design and implementation of a brain computer interface over attention deficit
BAHAR ULUSOY
Yüksek Lisans
Türkçe
2015
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. BÜLENT ÇOBANOĞLU
- Next-generation MIMO systems: From index modulation to deep learning
Yeni nesil çok-girişli çok-çıkışlı sistemler: İndis modülasyonundan derin öğrenmeye
BURAK ÖZPOYRAZ
Yüksek Lisans
İngilizce
2022
Elektrik ve Elektronik MühendisliğiKoç ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. ERTUĞRUL BAŞAR
- P300 tabanlı bir beyin-bilgisayar arayüzü için sanal klavye tasarımı
Virtual keyboard design for a P300 based brain computer interface
SÜLEYMAN ÖRKEN
Yüksek Lisans
Türkçe
2012
Elektrik ve Elektronik MühendisliğiNamık Kemal ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. R. KORAY ÇİFTÇİ