Analysis and classification of visually evoked EEG using multiresolution approximation
Çoklu çözünürlük yaklaşımı kullanılarak görsel olarak uyarılmış EEG?nin analizi ve sınıflanması
- Tez No: 276875
- Danışmanlar: YRD. DOÇ. DR. SAMİ ARICA
- Tez Türü: Doktora
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2010
- Dil: İngilizce
- Üniversite: Çukurova Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 148
Özet
Elektroansefalografi (EEG) kafatası üzerine yerleştirilen elektrotlar vasıtasıyla beynin elektriksel aktivitelerinin ölçülmesidir. EEG'nin bir çok kullanım alanı vardır: Bu sinyaller ile, insanlar ve çevresi arasında bir iletişim kanalı oluşturulmasında veya beynin fonksiyonlarının anlaşılmasında veya birçok tanı ve tedavi sırasında yararlanılabilir. EEG sinyali içerisinde bir görsel uyarana tepki olarak oluşan Görsellikle İlişkili Potansiyeller (GİP) bu tür uygulamaların gelişiminde bir araç olarak kullanılabilir.Bu çalışmanın temel amacı; tanıdık ve tanımadık insan yüzlerinin fotoğrafları kullanılarak yapılan deneylerden elde edilmiş görsellikle ilişkili EEG sinyallerinin analizi ve sınıflandırılmasıdır. Deneylerde 26 kişiden EEG verisi alınmıştır. Çoklu çözünürlük analizi sinyal yaklaşımı ve zaman frekans analizi için bir araç olarak kullanıldı. Bir ölçekleme ve dalgacık fonksiyon çifti ve onların dikey olmayan tümleyenleri eksitatör post-sinaptik potansiyelin dalga biçimine uygun olarak oluşturulmuştur. GİP'lerin yaklaşım katsayıları bu ölçekleme fonksiyonu sayesinde sağlanmış ve yaklaşım katsayılarından oluşan eğitim setindeki sinyaller tanıdık-tanımadık yüzle ilgili potansiyeli sınıflamak için Fisher lineer sınıflayıcısına giriş olarak uygulanmıştır. Oluşturulan dalgacık ile yapılan sınıflamanın performansı dalgacık filtre uzunlukları bizim oluşturduğumuz ölçekleme fonksiyonunun filtre uzunluğuna yakın olan diğer dalgacıklara göre daha iyi sonuç vermiştir. Bunun yanında, EEG verisinin öznitelikleri ve ortak uzamsal örnekleri yöntemi de sınıflama başarımının karşılaştırılması için kullanılmıştır. Bu sonuçlar bizim yöntemin EEG sinyal işlemede ve sınıflamada başarılı olabileceğini göstermektedir.
Özet (Çeviri)
Electroencephalogram (EEG) is the electrical activity of the brain acquired by recording from electrodes placed on the scalp. The EEG has many usages: It is used to construct a communication channel between human being and his environment; it helps to understand the brain functions; it is used in diagnosis and therapy. Visual Evoked potentials (VEPs) in the EEG that occurs in response to a visual stimulus are a tool to facilitate such advancements.The objective of this work is to analyze and classify VEPs obtained from familiar and unfamiliar face experiments. EEG signals were recorded from 26 volunteers. Multi-resolution analysis was used as a tool for signal approximation and time-frequency analysis. A custom scaling-wavelet function pair and its bi-orthogonal complements were built by resembling the waveform of the scaling function to excitatory post-synaptic potential (EPSP). The approximation coefficients of the VEPs were obtained from the custom scaling function, and the approximation coefficients of the training set were fed to a Fisher's linear classifier to distinguish the familiar-unfamiliar face specific VEP. The classification performance of the proposed wavelet has been slightly higher than the well-known wavelets with filter lengths which are close to the filter length of the custom scaling function. Furthermore, some EEG data features and common spatial patterns methods were also investigated. The performances of the custom multi-resolution system, ordinary wavelets, the EEG features and, the common spatial patterns methods were examined and compared. The results show that the classification performance of proposed technique has promising success for the EEG signal representation and classification.
Benzer Tezler
- Solunum sistemi hastalıklarının sınıflandırılmasında makine öğrenmesi yöntemlerinin kullanımı
Use of machine learning methods in classification of respiratory system diseases
ERKUT BOLAT
Doktora
Türkçe
2021
Biyoistatistikİstanbul ÜniversitesiBiyoistatistik Ana Bilim Dalı
PROF. DR. ERAY YURTSEVEN
- Localization and recognition of text in digital media
Sayısal ortamda bulunan yazıların konumlandırılması ve tanınması
AHMET SARACOĞLU
Yüksek Lisans
İngilizce
2007
Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ.DR. A. AYDIN ALATAN
- Taşkın modellemede LiDAR verisi ile performans analizleri
Performance analyses with with LiDAR data in flood modelling
HAKAN ÇELİK
Doktora
Türkçe
2017
Jeodezi ve Fotogrametriİstanbul Teknik ÜniversitesiGeomatik Mühendisliği Ana Bilim Dalı
PROF. DR. HİLAL GONCA COŞKUN
- Endüstriyel karo üretiminde kalite kontrol sürecinin yapay görme ve derin öğrenme teknikleri ile dijitalleştirilmesi
Digitalizing the quality control process in industrial tile production with machine vision and deep learning techniques
HÜSEYİN COŞKUN
Doktora
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSüleyman Demirel ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. TUNCAY YİĞİT
- Video analizi ile baş hareketi sınıflandırma
Head rotation classification via video analysis
FİLİZ GÜRKAN
Yüksek Lisans
Türkçe
2015
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. BİLGE GÜNSEL KALYONCU