Classification of motor imagery tasks in EEG signal and its application to a brain-computer interface for controlling assistive environmental devices
EEG sinyallerindeki hareket düşünsel görevlerin sınıflandırılması ve yardımcı çevresel cihazları kontrol için bir beyin bilgisayar arayüzüne uygulanması
- Tez No: 286140
- Danışmanlar: PROF. DR. NEVZAT GÜNERİ GENÇER
- Tez Türü: Yüksek Lisans
- Konular: Bilim ve Teknoloji, Biyomühendislik, Elektrik ve Elektronik Mühendisliği, Science and Technology, Bioengineering, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2011
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik ve Elektronik Mühendisliği Bölümü
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 109
Özet
Bu çalışma felçli hastaların yardımcı çevresel cihazları kontrolü için bir Beyin Bilgisayar Arayüzü gerçekleştirmeye odaklanmıştır. Bu amaçla, farklı hareket düşünsel görevler, farklı işaret işleme yöntemleri kullanılarak sınıflandırılmışlardır. Özellikle, EEG işaretini iyileştirmek için; bant geçiren süzgeç, Laplace süzgeç ve Genel Ortalama Referans (GOR) süzgeci kullanılmıştır. Öznitelik çıkartmak için, Ortak Uzamsal Örüntü (OUÖ), Spektral Güç Yoğunluğu (SGY), Ana Bileşenler Analizi (ABA) test edilmiştir. Destek Vektör Makinaları (DVM) ve Yapay Sinir Ağları (YSA) ile sınıflandırmada Doğrusal Öznitelik Düzgeleme (DÖD), Gauss Öznitelik Düzgeleme (GÖD) ve Birim-düzge Öznitelik Vektörü Düzgeleme (BÖVD) çalışılmıştır. Yöntemlerin başarımlarını ölçmek ve karşılaştırmak için sınıflandırma doğruluğundan, Cohen'in kappa katsayısından ve Nykopp'un bilgi aktarımından faydalanılmıştır.Hareket düşünsel görevlerin sınıflandırılmasına yönelik ilk deneyler 3. BBA Yarışması için sağlanan 3-sınıflı veri kümesi (V) ile gerçekleştirilmiştir. Ayrıca, 4. BBA Yarışması için sağlanan 4-sınıflı veri kümesi (IIa) de çalışılmıştır. Daha sonra hareket düşünsel bir BBA'yı kontrol etmek için en iyi görev türü ve çeşidini belirlemeye yönelik, ODTÜ Beyin Araştırmaları Laboratuarında 5 farklı görev çalışılmıştır. Sonra, felçli hastaların yardımcı çevresel cihazları kontrol etmesi için bir arayüz tasarlanmıştır. Son olarak, bu tasarımın çevrimiçi başarımını ölçmeye yönelik bir test uygulaması gerçekleştirilmiştir.
Özet (Çeviri)
This study focuses on realization of a Brain Computer Interface (BCI) for the paralyzed to control assistive environmental devices. For this purpose, different motor imagery tasks are classified using different signal processing methods. Specifically, band-pass filtering, Laplacian filtering, and common average reference (CAR) filtering are used to enhance the EEG signal. For feature extraction; Common Spatial Pattern (CSP), Power Spectral Density (PSD), and Principal Component Analysis (PCA) are tested. Linear Feature Normalization (LFN), Gaussian Feature Normalization (GFN), and Unit-norm Feature Vector Normalization (UFVN) are studied in Support Vector Machine (SVM) and Artificial Neural Network (ANN) classification. In order to evaluate and compare the performance of the methodologies, classification accuracy, Cohen?s kappa coefficient, and Nykopp?s information transfer are utilized.The first experiments on classifying motor imagery tasks are realized on the 3-class dataset (V) provided for BCI Competition III. Also, a 4-class problem is studied using the dataset (IIa) provided for BCI Competition IV. Then, 5 different tasks are studied in the METU Brain Research Laboratory to find the optimum number and type of tasks to control a motor imagery based BCI. Thereafter, an interface is designed for the paralyzed to control assistive environmental devices. Finally, a test application is implemented and online performance of the design is evaluated.
Benzer Tezler
- Classification of ten different motor imagery eeg signals by using deep neural networks
On farklı motor hareket hayaline ait eeg işaretlerinin derin sinir ağları ile sınıflandırılması
NURİ KORHAN
Doktora
İngilizce
2023
Mekatronik Mühendisliğiİstanbul Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
PROF. DR. ZÜMRAY ÖLMEZ
- Hybrid electroencephalogram (Eeg) - functional near-infrared spectroscopy (Fnirs) brain-computer interface (BCI) classification of motor imagery tasks
Motor görüntü görevlerinin hibrit elektroensefalografi (Eeg)- işlevesel kızılötesine yakın spektroskopi (Fnirs) beyin bilgisayar ara birimi (BCI) sınıflandırması
MUSTAFA AMER HASAN HASAN
Yüksek Lisans
İngilizce
2019
Mekatronik MühendisliğiAtılım ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
Assoc. Prof. Dr. MUHAMMAD UMER KHAN
- Classification methods for motor imagery based brain computer interfaces
Motor hareket hayali tabanlı beyin bilgisayar arayüzleri için sınıflandırma metotları
AYHAN YÜKSEL
Doktora
İngilizce
2016
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. TAMER ÖLMEZ
- Towards adaptive brain-computer interfaces: Statistical inference for mental state recognition
Uyarlanabilir beyin-bilgisayar arayüzlerine doğru: Zihinsel durum tanıma için istatistiksel çıkarım
MASTANEH TORKAMANI AZAR
Doktora
İngilizce
2020
BiyomühendislikSabancı ÜniversitesiElektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. MÜJDAT ÇETİN
Prof. Dr. SELİM SAFFET BALCISOY
- 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