Motor imagery EEG signal classification using deep learning for brain computer interfaces
Beyin bilgisayar arayüzü için derin öğrenme kullanarak motor imgeleme EEG sinyali sınıflandırma
- Tez No: 473253
- Danışmanlar: PROF. DR. UĞUR HALICI, PROF. DR. CANAN KALAYCIOĞLU
- Tez Türü: Doktora
- Konular: Biyomühendislik, Elektrik ve Elektronik Mühendisliği, Bioengineering, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2017
- Dil: İngilizce
- Üniversite: Orta Doğu Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Biyomedikal Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 157
Özet
Bu tezde derin öğrenme tabanlı Motor İmgeleme (MI) EEG sinyallerinin sınıflandırılması için yeni bir yöntem önerilmiştir. Çalışmada EEG Motor imgeleme sınıflandırılması için Konvolüsyonel Sinir Ağları (CNN) ve Yığınlanmış Otokodlayıcı (SAE) ağları araştırılmıştır. EEG sinyalinden çıkarılan zaman, frekans ve konum bilgilerini birleştirmek için yeni bir girdi şekli tanıtılmış ve ayrıca CNN ve SAE yapılarını birleştiren yeni bir derin ağ yapısı da önerilmiştir. Bu derin ağda, CNN'de çıkarılan öznitelikler derin SAE ağları vasıtasıyla sınıflandırılmaktadır. Açık veri setlerinde elde edilen sonuçlar, önediğimiz yöntemin literatürdeki mevcut yaklaşımlara kıyasla daha iyi sınıflandırma performansı sağladığını ortaya koymuştur. Açık veri setlerine ek olarak, Motor Imgeleme EEG verisi toplamak üzere ayrıca toplam 16 denek üzerinde dört değişik MI EEG deneyi gerçekleştirilmiştir. Bu deneylerin ikisinde MI EEG verileri çevrim-dışı sınıflandırma yapmak üzere kaydedilmiştir. EEG sinyallerinin gerçek zamanlı olarak sınıflandırıldığı ve deney sırasında uygun görsel geri bildirimlerin deneğe sunulduğu diğer iki deneyde ise gerçek zamanlı geribildirim sağlanmıştır. Önerilen sinyal işleme yöntemi kaydedilen verilere ve açık data setlerine uygulanmış ve son teknoloji yöntemleriyle karşılaştırılmıştır.
Özet (Çeviri)
In this thesis we proposed a novel method for classification of Motor Imagery (MI) EEG signals based on deep learning. Convolutional Neural Networks (CNN) and Stacked Autoencoders (SAE) networks were investigated for MI EEG classification. A new form of input is introduced to combine time, frequency and location information extracted from EEG signal and also a new deep network combining CNN and SAE is proposed in this thesis. In the proposed network, the features that are extracted by CNN are classified through the deep SAE network. The results obtained on public datasets revealed that the proposed method provides better classification performance compared to other state of art approaches. Furthermore, four different experiments were conducted on totally 16 subjects to collect MI EEG signals in addition to public datasets. Two of these experiments were used to record motor imagery data and perform offline classification. Online feedback was provided in the other two sets of experiments, where EEG signal was classified in real time and appropriate visual feedback was presented to the subject during the experiment. Our proposed signal processing method was applied to the recorded data as well as public datasets and compared with present state of art methods.
Benzer Tezler
- 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
- 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
- Motor imgeleme eeg sinyallerinin zaman-frekans spektrogramı temelli sınıflandırma yöntemlerinin incelenmesi ve karşılaştırılması
Examination and comparison of time-frequency spectrogram-based classification methods for motor imagery eeg signals
MEHMET GÜROCAK
Yüksek Lisans
Türkçe
2024
Elektrik ve Elektronik MühendisliğiMarmara ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ VEYSEL GÖKHAN BÖCEKÇİ
DR. ÖĞR. ÜYESİ ULVİ BAŞPINAR
- 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
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. İSMAİL SARITAŞ
- Optimizing emotion recognition in EEG signals using optimization algorithm and deep neural network
Optimizasyon algoritması ve derin nöral ağı kullanarak EEG sinyallerinde duygu tanıma optimize edilmesi
RADHWAN AL-JANABI
Yüksek Lisans
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBahçeşehir ÜniversitesiBilgi Teknolojileri Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÖVGÜ ÖZTÜRK ERGÜN