EEG sinyallerinin beyin makine arayüzü amaçlı kullanımı
Using of EEG data for the purpose of brain computer interfaces
- Tez No: 442619
- Danışmanlar: YRD. DOÇ. UMUT ENGİN AYTEN
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2016
- Dil: Türkçe
- Üniversite: Yıldız Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Elektronik Bilim Dalı
- Sayfa Sayısı: 76
Özet
Beyin Makine Arayüzü (BMA), beyin sinyallerinin herhangi bir sistemde girdi olarak kullanılması amacıyla; sinyallerin elde edilmesi, işlenmesi ve anlamlı hale getirilmesini içeren teknolojiyi ifade etmektedir. BMA teknolojisi; omurilik zedelenmesi, nöral kanallarda oluşan zarar ve ALS (Amyotrofik Lateral Skleroz) gibi rahatsızlık durumlarında kritik önem kazanmaktadır. Bu gibi rahatsızlıklarda organlarla beyin sinyallerinin iletişimi kesilse de; beyin, sinyalleri aynı şekilde üretmeye devam eder. Bu sinyallerin işlenerek yapay organlara ya da bilgisayara iletilmesi ve kullanılması için belirli yöntemler geliştirilmiştir. Bu yöntemler içinde P300 tabanlı sistemler ve SSVEP tabanlı BMA uygulamaları beynin uyaranlara karşı doğal tepkisini temel aldıkları için; eğitim süresi, ihtiyaç duyulan elektrot sayısı gibi nedenlerle en uygulanabilir yöntemler olarak değerlendirilmiştir. İnvaziv BMA yöntemleriyle birlikte fMRI (Fonksiyonel Manyetik Rezonans Görüntüleme), PET (Pozitron Emisyon Tomografi) ve MEG (Manyetoensefalografi) gibi yöntemler hem maliyet, hem de uygulanabilirlik açısından belirli zorlukları içermektedir. Son 30 yılda BMA teknolojisinde invaziv ve invaziv olmayan olmak üzere; birçok başarılı çalışma yapılmış ve gelişen teknolojik imkânlarla birlikte daha başarılı sonuçların elde edileceği öngörülmektedir. Tez çerçevesinde bu amaçla kullanılan yaklaşımlar anlatılmış, bir adet bağımsız P300 heceleyici uygulaması geliştirilmiş, veriler Matlab ortamında analiz edilmiş ve Weka uygulamasında sınıflandırılarak BMA geliştirme sürecinin ilk aşaması olan çevrimdışı analiz kısmı gerçekleştirilmiştir.
Özet (Çeviri)
Brain Machine Interfaces (BMI), identifies the developed technology that aimed to use brain signals on any system as input that includes acquiring, processing and evaluating of signals. The technology of BMI comes into question in case of illness like spinal cord damages, damage of neural channels and ALS (Amyotrophic Lateral Sclerosis). In case of this kind of illness brain and limbs disconnects but the brain activity remains as same as previous. Certain methods are developed for processing and sending these signals to prostetic libs or computers. P300 based systems and SSVEP based applications are assessed as applicable methods since they have shorter training time and less required electrode channels because these methods depends on human brain's natural reaction. Invasive techiques with the methods of fMRI (Functional Magnetis Resonance Imaging), PET (Positron Emission Tomography) and MEG (Magnetoencephalography) consist some kind of difficulties in terms of cost and usability. In the last 30 years, many applications have been developed as invasive and non- invasive in BMI technologies and it is projected to obtain more succesful results with the developing technologies. In the context of this thesis, some basic approaches are explained and standalone P300 speller application is developed. Then, obtained data are analyzed in MATLAB environment. These data are classified via WEKA and offline analysis as the first part of the BCI development is applied.
Benzer Tezler
- Brain computer interface design and implementation using machine learning with user feedback
Kullanıcı geribeslemeli makine öğrenmesi ile beyin bilgisayar arayüzü tasarımı ve uygulaması
EMRE ARI
Doktora
İngilizce
2023
Makine MühendisliğiMarmara ÜniversitesiMakine Mühendisliği Ana Bilim Dalı
PROF. DR. ERTUĞRUL TAÇGIN
DR. ÖĞR. ÜYESİ ALPER ŞİŞMAN
- Analysis of error-related potentials in p300 and motor imagery based brain computer interfaces
P300 ve hayalı motor hareketine dayalı beyin bilgisayar arayüzlerinde hataya dayalı potansiyellerin analizi
ABDULLAHI ADAMU
Yüksek Lisans
İngilizce
2016
Elektrik ve Elektronik MühendisliğiSabancı ÜniversitesiElektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. MÜJDAT ÇETİN
- 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
- 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
- Derin öğrenme yöntemleri ile EEG tabanlı motor imgeleme sinyallerinin sınıflandırılması
Classification of motor imagery EEG signals using deep learning methods
UMUT ÖZFİDAN
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolİSTANBUL NİŞANTAŞI ÜNİVERSİTESİYazılım Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ GÜLSÜM ŞANAL
DR. ÖĞR. ÜYESİ KÜBRA EROĞLU