EEG sinyallerinin sınıflandırılarak beyin-bilgisayar arayüzü tabanlı bir sistem otomasyonunun gerçekleştirilmesi
Implementati̇on of system automati̇on based on brai̇n-computer interface by classi̇fyi̇ng of EEG si̇gnals
- Tez No: 372992
- Danışmanlar: PROF. DR. MUAMMER GÖKBULUT
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Beyin Bilgisayar Arayüzü (BBA), EEG Sinyalleri, Sınıflandırma, Görsel Uyaran, P300, SSVEP, Brain Computer Interface BCI, EEG signals, Classification, Visual Stimuli, P300, SSVEP
- Yıl: 2014
- Dil: Türkçe
- Üniversite: Fırat Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektronik-Bilgisayar Eğitimi Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 119
Özet
Bu tez çalışmasında, kas ve sinir sistemlerini kullanamayan felçli hastaların, tekerlekli sandalye gibi herhangi bir sistemi kontrol etmesini sağlayan bir Beyin Bilgisayar Arayüzü (BBA) tasarlanmıştır. BBA sistemlerinde, felçli bireyin beyin aktivitesi yorumlanarak bireyin bilgisayar, elektronik cihazlar veya otomasyon sistemi gibi dış ortam cihazları ile iletişim kurması sağlanmaktadır. BBA teknolojisinde, pratik olması ve acı vermemesi nedeniyle beynin elektriksel aktivitesini ölçmek için genellikle Elektroansefalogram (EEG) adı verilen beyin dalgaları kullanılır. Bu tez çalışmasında, Emotiv EEG başlık kiti kullanılarak kullanıcılardan EEG verisi elde edilmiştir. BBA sistemlerinde dış ortamdaki cihazların kontrolünü sağlayacak olan çıkış komutları, ölçülen EEG sinyallerine önişleme, öznitelik çıkarma ve sınıflandırma işlemleri uygulanarak elde edilir. Ayrıca kullandıkları EEG sinyallerine göre BBA sistemlerinin tasarımı da farklılık gösterebilir. Bu yöntemler; görsel olarak tetiklenen potansiyeller, yavaş kortikal potansiyeller, P300 tabanlı BBA sistemleri ve μ ve β ritimleri olarak sıralanabilir. Bu tez çalışmasında, öncelikle BBA tasarım yöntemleri incelenmiş ve P300 potansiyelleri ve kararlı durum görsel uyarılmış potansiyeller (SSVEP) tabanlı olmak üzere iki farklı BBA tasarlanmıştır. Tasarlanan her iki sistemle de küçük bir doğru akım motorunun hız ve yön kontrolü (sola dönüş, sağa dönüş, hızlan, yavaşla ve dur gibi) gerçekleştirilmiş ve böylece tasarlanan BBA sistemlerinin sistem otomasyonundaki başarısı değerlendirilmiştir. İki farklı kullanıcıya takılan başlık kitinden elde edilen EEG sinyalleri ile yapılan DC motorun yön ve hız kontrolünde, çevrim dışı çalışmada %100 doğruluk, çevrim içi çalışmada ise %60-90 arasında bir doğruluk elde edilmiştir.
Özet (Çeviri)
In this thesis, a Brain-Computer Interface (BCI) is designed, which provides the paralyzed individuals who are not able to use their muscular system and nervous system, can control a system such as wheelchair. In the BCI system, communication of paralyzed individuals with external equipment such as computer, electronics devices and automation systems is provided by interpreting brain activity of the individual. In the BCI technology, brain waves which are called electroencephalography (EEG) are commonly used for measuring the electrical activity of brain, due to the painless measurements and practical considerations. In this study, emotive EEG headset is used for electroencephalography (EEG) recordings of individuals. Output commands of the BCI system which allows controlling of the external devices are generally obtained by applying preprocessing, future extraction and classification procedures to the measured EEG signals. Furthermore, design methods of BCI systems can be different according to EEG signals used in the design. These methods are Visual Evoked Potentials, slow cortical potentials, P300 based BCI systems and μ and β rhythms. In this study, various BCI design methods are examined and then two different BCI systems based on Steady-State Visual Evoked Potentials (SSVEP) and P300 potentials are designed. Speed and direction control of a direct current motor such as clockwise or counter clockwise rotation, acceleration and deceleration is implemented using the designed BCI systems and thus performances of the designed systems are evaluated. In the designed BCI automation systems using the EEG signals measured from the two healthy volunteers, off line control performances are obtained 100% for offline operation and 60%-90% for online operation.
Benzer Tezler
- EEG sinyallerinin beyin makine arayüzü amaçlı kullanımı
Using of EEG data for the purpose of brain computer interfaces
SABİT ÇAKIR
Yüksek Lisans
Türkçe
2016
Elektrik ve Elektronik MühendisliğiYıldız Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
YRD. DOÇ. UMUT ENGİN AYTEN
- EEG sinyalleri kullanılarak gerçek zamanlı P300 tabanlı heceleme sistemi tasarımı
The real-time P300 based speller system design by using EEG signals
ABDULLAH BİLAL AYGÜN
Yüksek Lisans
Türkçe
2019
BiyomühendislikKarabük ÜniversitesiBiyomedikal Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ AHMET REŞİT KAVSAOĞLU
- EEG sinyallerinde makine öğrenmesi için yeni özelliklerin elde edilmesi ve uygulamasının gerçekleştirilmesi
Acquisition and implementation of new features for machine learning in EEG signals
MÜCAHİT KARADUMAN
Doktora
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİnönü ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. ALİ KARCI
- Yapay sinir ağlarını kullanarak eeg sinyalleri ile insansız hava aracı kontrolü
The control of unmanned aerial vehicle based on eeg signals by using artificial neural networks
MEHMET DEMİR
Yüksek Lisans
Türkçe
2019
BiyoteknolojiSakarya Uygulamalı Bilimler ÜniversitesiBiyomedikal Mühendisliği Ana Bilim Dalı
PROF. DR. RAŞİT KÖKER
- Derin öğrenme algoritmaları kullanılarak EEG sinyallerinden yalan tespiti
Lie detection from EEG signals using deep learning algorithms
MUSA ASLAN
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiYazılım Mühendisliği Ana Bilim Dalı
DOÇ. DR. MUHAMMET BAYKARA