Decoding of motor task difficulty and execution speed from EEG data with application to stroke rehabilitation
EEG verisi üzerinden motor hareket zorluğu ve hızının felç rehabilitasyonları uygulamalı tespiti
- Tez No: 470658
- Danışmanlar: DOÇ. MÜJDAT ÇETİN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Elektrik ve Elektronik Mühendisliği, Computer Engineering and Computer Science and Control, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2016
- Dil: İngilizce
- Üniversite: Sabancı Üniversitesi
- Enstitü: Mühendislik ve Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Bilimleri ve Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 118
Özet
İnsan beyni ile bilgisayar dünyası arasında ilave bir kanal oluşturma imkanı sağlayan beyin bilgisayar arayüzleri (BBA) felç, içe kilitlenme sendromu ve amyotrofik lateral skleroz (ALS) gibi hastalık sahiplerine yeni bir umut doğurmuştur. Bilim insanları BBA sistemlerinden hem iletişim, hem rehabilitasyon protokollerinin iyileştirilmesi hem de dış iskeletlerin daha etkin kullanılması anlamında fayda sağlarlar. Sağlıklı insanlar günlük aktivitelerini yerine getirirken uygulanacak kuvvete ve hareketin hızına kendileri karar verirken, dış iskelete bağlı yaşayan insanlar hareket ile ilgili bu özellikleri algılayabildikleri ve gerekli sinyalleri üretebildikleri halde motor hareket sistemine bu özellikleri iletememektedirler. Bu çalışmada elektroensefalografi (EEG) tabanlı bir BBA sistemi ile hareket hızı ve zorluğu tespiti problemleri ele alınmıştır. Bu amaçlarla 2 deney düzeneği hazırlanmış ve kullanıcılar iki farklı deney protokolünü uygularken bu düzenekler üzerinden EEG verileri kaydedilmiştir. Çalışmada toplanılan verinin sınıflandırılabilmesi için birçok metot denenmiş ve bu metotlar avantaj ve dezavantajlarıyla detaylıca incelenmiştir. Ayrıca çalışma normalde tespiti ve değerlendirmesi imkansız olan istek seviyesinin tespiti konusuna hareket zorluğu ve hız seviyesini bu problem üzerinde referans parametresi olarak kullanarak yeni bir soluk getirmiştir. Hastaların günlük moral seviyelerini saptayarak gerekli-olduğu-kadar-yardım protokolünü de iyileştirme amacıyla hazırladığımız bu çalışmada daha zor ya da daha hızlı hareket daha yüksek motivasyonla ve daha yavaş ya da daha kolay görevlerin düşük motivasyonla eşleştirilmiştir. Elde edilen veri setlerinin incelenmesi için birçok sınıflandırma metodu denenmiş ve bu metotların başarı analizleri yapılmıştır. Vargılar sonunda EEG verisinden hareket hızın ve zorluğunu anlamlı yüzdelerle elde etmenin mümkün olduğu gösterilmiştir.
Özet (Çeviri)
Brain-computer interfaces (BCIs) which provide an alternative channel between human brain and computer world are hope for many patients who suffer from neurological diseases such as ALS and stroke. Scientists benefit from BCIs not only for communication but also for rehabilitation and effective use of robotic exoskeletons. While healthy people can decide the speed level and the amount of force applied for daily activities, stroke patients are not able to transfer their intended movement speed and force magnitude to robotic limbs and mechanical devices. Even though brain signals potentially contain such information about task execution, existing BCI systems do not exploit that information. In this thesis, the possibility of decoding intended human activity speed and task difficulty levels from an electroencephalography (EEG) based BCI system is investigated. In particular, two experimental setups are designed to collect data while subjects are performing two different tasks, and different protocols are proposed with their advantages and drawbacks to extract accurate information from these setups. Moreover, the problem of intention level detection is analyzed in response to task difficulty and speed level. As it is not possible to access the true intention level of a human being to execute a particular task, we use the difficulty and speed of the executed task as proxies for the true intention level and then analyze the corresponding neural correlates. We have applied several classification protocols and our results indicate that some classification protocols are able to detect task speed and difficulty from EEG signals.
Benzer Tezler
- Design of a multichannel electrophysiology amplifier and a rat behavioral paradigm for motor neuroprosthetic control
Motor nöroprotez kontrolü ̇için sıçan davranış paradigması ve çok kanallı elektrofizyoloji amplifikatörü tasarımı
SYED MUHAMMAD TALHA ZAIDI
Yüksek Lisans
İngilizce
2020
Biyomühendislikİstanbul Medipol ÜniversitesiBiyomedikal Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MEHMET KOCATÜRK
- Robotlu boyamada bir simulasyon yöntemi
Başlık çevirisi yok
EMİN TAHRALI
Yüksek Lisans
Türkçe
1998
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiKontrol ve Bilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. A. COŞKUN SÖNMEZ
- Parkinson hastalığında analojik düşünce
Analogical reasoning in Parkinson's disease
HATİCE DEĞİRMENCİ
Tıpta Uzmanlık
Türkçe
2016
NörolojiSüleyman Demirel ÜniversitesiNöroloji Ana Bilim Dalı
PROF. DR. SERPİL DEMİRCİ
- İki serbestlik dereceli hareket kontrolü için zihinsel görev sınıflandırma tabanlı beyin- bilgisayar arayüzü tasarımı
Mental task classification based brain-computer interface design for 2 dof movement control
ÇAĞLAR UYULAN
Yüksek Lisans
Türkçe
2016
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÜsküdar ÜniversitesiNörobilim Ana Bilim Dalı
YRD. DOÇ. DR. TÜRKER TEKİN ERGÜZEL