Analysis of EEG signals in gazing at rotating vanes for brain computer interface
Beyin bilgisayar arayüzü için dönen yelkovanların izlenmesi sırasında EEG sinyallerinin incelenmesi
- Tez No: 467938
- Danışmanlar: PROF. DR. TEMEL KAYIKÇIOĞLU
- Tez Türü: Doktora
- Konular: Bilim ve Teknoloji, Biyomühendislik, Elektrik ve Elektronik Mühendisliği, Science and Technology, Bioengineering, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2017
- Dil: İngilizce
- Üniversite: Karadeniz Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bir beyin bilgisayar arayüzü insan ve bilgisayar arasındaki iletişimi insan sinir sinyellerini sayısal sinyellere çevirerek sağlamaktadır. Bu tezde EEG tabanlı yeni bir beyin bilgisayar arayüz sistemi dönen yelkovanlara bakarak tasarlanmıştır. Bu sistem beş farklı dönen yelkovanın aynı ekranda gösterimi ve tanımlanmasını öneriyor. Adayların yaş aralığı 20 ila 32 dir. Öznitelikler 0.5, 1 ve 2 saniyelik EEG epoklarından çeşitli yöntemlerle çıkarılmıştır. Bu öznitelikler farklı farklı sınıflandırıcılarla sınıflandırılmış ve sonuçları kıyaslanmıştır. FFT, DWT ve AR model yöntemler özellik çıkarmak için ve SVM, k-NN, LDC ve PLSR ise bu özellikleri sınıflandırmak için kullanılmiştır. PLSR diğer sınıflandırıcılara göre daha iyi sonuç elde etmiştir. T3 kanalının sonuçları ise diğer kanallara göre daha etkilidir. Sadece şu kanalı kullanarak 2 saniyeli epoklarda, önerilen speling sistemi %65 civarinda başariya vardı. Önerilen sistemin hızı ise yaklaşik 21 bit/dakika'da dır.
Özet (Çeviri)
A brain computer interface system (BCIs) is a device that translates brain activity into a command for a computer. This thesis proposes a new BCIs based on the gaze on rotating vanes. Our BCIs can identify five different rotating vanes that were shown to the subjects in a screen. The EEG signals were obtained from healthy human subjects in an age group between 20 and 32 years. The features are extracted from the 0.5-sec, 1-sec. and 2-sec. epochs using different methods. These features by different classifiers were classified and the results were compared together. FFT, DWT and AR model to extract features and SVM, k-NN, LDC and PLSR to classify these features were used. PLSR classifier has better classification acuracy in different steps of thesis. Also channel T3 has better results in gazing rotating vanes. By using only this channel, We could classified 2-sec epochs in proposed spelling system, with about %65. Our system's speed is about 21 bits per min.
Benzer Tezler
- EEG işaretlerinin epileptik nöbet kestiriminde modern yöntemlerle analizi ve sınıflandırılması
The analysis and classification of EEG signals in the epileptic seizure prediction by modern methods
ERHAN BERGİL
Doktora
Türkçe
2018
Elektrik ve Elektronik MühendisliğiSakarya ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. MEHMET RECEP BOZKURT
- Eeg sinyallerinin analizinde performansı yüksek olan dalgacık tipinin belirlenmesi
Determination of high performance wavelet type in eeg signals analysis
MERVE YASEMEN TÜRKOĞLU
Yüksek Lisans
Türkçe
2011
Mühendislik BilimleriTobb Ekonomi ve Teknoloji ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
YRD. DOÇ. ALİ CAFER GÜRBÜZ
- Beyin bilgisayar arayüzü uygulamalarında motor görüntüleme EEG sinyallerinin analizi için yeni yaklaşımlar
New approaches to analysis of motor imagery EEG signals in brain computer interface applications
ESRA KAYA
Doktora
Türkçe
2022
Elektrik ve Elektronik MühendisliğiSelçuk ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. İSMAİL SARITAŞ
- EEG sinyalleri ile duygu tanımada transfer öğrenme yöntemlerinin karşılaştırmalı performans analizi
Comparative performance analysis of transfer learning methods in emotion recognition using EEG signals
SELİME TUBA PESEN
Yüksek Lisans
Türkçe
2025
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKocaeli ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MEHMET ALİ ALTUNCU
- EEG sinyallerinde farklı boyut indirgeme ve sınıflandırma yöntemlerinin karşılaştırılması
The comparison of various dimension reduction and classification methods in EEG signals
HAKAN ÖZTÜRK
Yüksek Lisans
Türkçe
2016
BiyoistatistikAdnan Menderes ÜniversitesiBiyoistatistik Ana Bilim Dalı
PROF. DR. MEVLÜT TÜRE
PROF. DR. NEFATİ KIYLIOĞLU