Geri Dön

Beyin bilgisayar arayüzü uygulamaları için eeg sinyal analizi

Eeg signal analysis for brain computer interface applications

PDF İndir

  1. Tez No: 507466
  2. Yazar: CEM BULUT
  3. Danışmanlar: YRD. DOÇ. DR. EMRULLAH FATİH YETKİN, YRD. DOÇ. DR. TUĞÇE BALLI
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2018
  8. Dil: Türkçe
  9. Üniversite: Altınbaş Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Belirtilmemiş.
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 105

Özet

Beyin bilgisayar arayüzü uygulamalarından olan nöro-prostetik (ing: Neuro-prosthetic) bir cihazı kontrol etmesi için tasarlanan bir sistemin incelendiği bu tez kapsamında EEG sinyalleri, bant geçiren süzgeç ( ing : band-pass filter) ile delta (1-3 Hz), tetha (4-7 Hz), alfa(8-12 Hz), beta(13-30 Hz) ve gama(31-50 Hz) frekanslarına ayrılarak bant güçleri (ing : bandpower) hesaplanmıştır. Filtrelenen bu sinyaller tüm öznitelikler kullanılarak ve öznitelik seçim yöntemleri uygulanarak sınıflandırılmıştır. Sonrasında frekans bantlarının aralıkları daraltılıp (0-4 Hz, 4-8 Hz, …, 44-48 Hz) öznitelik sayıları arttırılarak aynı işlemler tekrarlanmıştır. Bu çalışmanın kapsamını, bant gücü (ing : band power), öznitelik seçim yöntemleri ve frekans bant aralıklarının daraltılmasının sınıflandırma performanslarına etkisinin araştırılması oluşturulmaktadır. Kapsamdaki bu konuların performansa olumlu şekilde yansıdığı ve her oturumda performansın arttığı gözlemlenmiştir.

Özet (Çeviri)

This thesis investigates the use of EEG signal for controlling a neuro-prosthetic device. The primary aim of this study was to investigate feature extraction and selection methods for classifying this EEG data into two classes namely moving hands and relaxed state. In the first part of the study, the features of EEG signals were extracted using band power in delta (1-3 Hz), theta (4-7 Hz), alpha (8-12 Hz), beta (13-30 Hz) ve gamma(31-50 Hz) bands. Then the feature vector was classified using and without using feature selection methods. In the second part of the study the feature extraction part was repeated using a narrower band range (0-4 Hz, 4-8 Hz, …, 44-48 Hz). Again the feature vector was classified using and without using feature selection methods. The aim was to investigate the effect of using different range of features and feature selection methods to classification performance. The results have shown that using a narrower range for extracting band power and feature selection methods have improved the classification performance of the EEG data.

Benzer Tezler

  1. Tez No

    760793

    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

    Türkçe

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. İSMAİL SARITAŞ

  2. Tez No

    650810

    Potansiyel EEG tabanlı beyin bilgisayar arayüzleri için motor imgeleme aktivitelerinin tespit edilmesi

    Detecting motor imagery activity for EEG based brain computer interface applications

    ÖZGÜR KARATAŞ

    Yüksek Lisans

    Türkçe

    Türkçe

    2020

    BiyomühendislikHacettepe Üniversitesi

    Biyomühendislik Ana Bilim Dalı

    PROF. DR. MEHMET ALİ ONUR

    DOÇ. DR. HARUN ARTUNER

  3. Tez No

    945036

    A case study in time series classification using machine learning and deep learning

    Makine öğrenmesi ve derin öğrenme kullanılarak zaman serilerinin sınıflandırılması: Bir vaka çalışması

    BARIŞ KÜÇÜK

    Yüksek Lisans

    İngilizce

    İngilizce

    2025

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Matematik Mühendisliği Ana Bilim Dalı

    PROF. DR. ATABEY KAYGUN

  4. Tez No

    935143

    EEG sinyallerinden Türkçe sesli harflerin MI-BCI kullanılarak tanınması için sistem tasarımı

    System design for recognition of turkish vowels from EEG signals using MI-BCI

    KADİR HALTAŞ

    Doktora

    Türkçe

    Türkçe

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKırıkkale Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ATİLLA ERGÜZEN

  5. Tez No

    420468

    Ortam kontrol uygulamasına yönelik p300 tabanlı asenkron beyin bilgisayar arayüzü tasarımı ve uygulaması

    Design and implementation of p300 based asyncronous brain computer interface for environment control applications

    EDA AKMAN AYDIN

    Doktora

    Türkçe

    Türkçe

    2015

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi Üniversitesi

    Elektronik-Bilgisayar Eğitimi Ana Bilim Dalı

    PROF. DR. İNAN GÜLER

Geri Dön