İmleç hareketlerine ait eeg sinyallerinin sınıflandırılmasında adaptif ve adaptif olmayan filtrelerin uygulamaları
Applications of adaptive and non-adaptive filters for classification of eeg signals of motor imagery
- Tez No: 567185
- Danışmanlar: PROF. DR. MEHMET AKIN
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Adaptif filtre, Recursive Least Square, Beyin Bilgisayar Arayüzü, Elektrookulogram, Elektroensefolagrafi, Geleneksel Band Geçiren Filtreler, Ortak Uzamsal Örüntüler, Adaptif Filter, Recursive Least Square, Brain Computer Interface, Electrooculogram, Electroencephalography, Traditional Bandpass Filters, Common Spatial Patterns
- Yıl: 2019
- Dil: Türkçe
- Üniversite: Dicle Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 101
Özet
Beyin Bilgisayar Arayüzü(BBA), herhangi fiziksel bir yeteneğe ihtiyaç duymadan insanın niyetinin veya kasıtlı düşüncesinin sınıflandırılmasını esas alınır. BBA çalışmalarında, veriler elektroensefalografi(EEG) yöntemi kullanılarak elde edilirken çevre kaynaklı(şebeke gürültüleri vs.) veya içsel(göz hareketleri, ECG vs.) bazı gürültülere maruz kalır. EEG verilerinin hassas bir şekilde sınıflandırılmasını önemli derecede etkileyebilecek gürültülerden biri de elektrookulografik(EOG) gürültülerdir. Bu çalışmada, Graz Üniversitesi tarafından yapılan BCI-IV yarışmasının 2a veri seti kullanılmıştır. 4 sınıflı veri seti 2 sınıfa indirgenerek sadece sağ ve sol imleç hareketlerinin offline sınıflandırılması amaçlanmıştır. 22 kanaldan alınan EEG verileri ile eş zamanlı, göz çevresine montajı yapılan 3 elektrottan da EOG verileri elde edilmiştir. Kullanılan veri setinde, EOG gürültülerini EEG sinyallerinden arındırmak için geleneksel bant geçiren filtreler ve recursive least square(RLS) adaptif filtresi kullanılmıştır. Motor hareket hayali ile uygun bantlara filtrelenmiş sinyallerden, ortak uzamsal örüntüler(CSP) metodu ile çıkarılan öznitelik vektörleri, lineer diskriminant analizi(LDA), destek vektör makinaları(DVM), naive bayes(NB) ve k-NN sınıflandırma algoritmalarının girişlerine uygulanmıştır. Chebyshev tip 2 ve DVM kombinasyonu %72'lik ortalama doğruluk oranı ile en yüksek sınıflandırma performansını sağlamıştır. Ayrıca RLS adaptif filtresi ile elde edilen sınıflandırma sonuçları bant geçiren filtrelerin sonuçları ile mukayese edilmiştir. RLS algoritması ve LDA kombinasyonu, %64 doğruluk oranı ile geleneksel bant geçiren filtreler ile elde edilen sonuçlardan daha düşük performans göstermiştir. Çalışmanın bulguları, gelecekte yapılacak çalışmalara ışık tutabilecek niteliktedir.
Özet (Çeviri)
Brain Computer Interface(BCI) is based on the classification of human intentions or intentional thought without the need for any physical ability. In BCI studies, signals which obtained using Electroencephalography(EEG) exposed to some environmental or internal noise (eye movements, ECG, etc.). One of the artifacts that can significantly affect classification accuracy is electrooculogram(EOG). In this study, BCI competition IV dataset 2a was used which was organized by the University of Graz. The data set with 4 classes was reduced to 2 classes and only the right and left motor imagery data were classified according to the offline paradigm. Simultaneously with EEG data from 22 channels, EOG data were obtained from 3 electrodes mounted around the eye. Conventional bandpass filters and recursive least square (RLS) adaptive filters are used to remove EOG noise from EEG signals. Feature vectors extracted from filtered signals by CSP method were applied to the inputs of linear discriminant analysis (LDA), support vector machines (SVM), naive bayes (NB) and k-NN classification algorithms. The combination of Chebyshev type 2 filter and SVM achieved the highest classification performance with an average accuracy of 72%. Furthermore, the classification results obtained with the RLS adaptive filter were compared with those of the bandpass filters. The combination of the RLS algorithm and the LDA classifier showed lower performance than traditional bandpass filters with a 64% accuracy rate. The findings of the study may shed light on future studies.
Benzer Tezler
- Dâhili webcam kullanarak göz hareketlerinin takibi ve imleç kontrol yöntemi
Eye tracing and cursor control method with domestic webcam
BÜLENT TURAN
Doktora
Türkçe
2015
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiElektronik-Bilgisayar Eğitimi Ana Bilim Dalı
DOÇ. DR. HALİL İBRAHİM ESKİKURT
- Müzik öğretmeninin dönüştürücü potansiyeli: Müzik eğitiminde diyalektik yöntem ve pedagojik model
Music teachers' transformative potential: The dialectical method ans the pedagogical model in music education
AYÇE İDİL KAYIKÇI
Yüksek Lisans
Türkçe
2022
Eğitim ve ÖğretimDokuz Eylül ÜniversitesiGüzel Sanatlar Eğitimi Ana Bilim Dalı
DOÇ. DR. İLKAY EBRU TUNCER BOON
- Yukarı–aşağı imleç hareketine ilişkin EEG kayıtlarının ayrık dalgacık, KNN ve DVM ile sınıflandırılması
Classification of up-down cursor movements' EEG records with discrete wavelet transform, KNN and SVM methods
ÖMER EMHAN
Yüksek Lisans
Türkçe
2017
Elektrik ve Elektronik MühendisliğiDicle ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. MEHMET SİRAÇ ÖZERDEM
- A semi-automated rodent behavioral paradigm for visuomotor skill learning
Kemirgenlerde görsel-motor öğrenmeyi araştırmak için yarı-otomatik davranış biçimlendirme paradigması
HİLAL BULUT
Yüksek Lisans
İngilizce
2023
Biyomühendislikİstanbul Medipol ÜniversitesiBiyomedikal Mühendisliği ve Biyoenformatik Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MEHMET KOCATÜRK
- İmleç hareketlerinden kullanıcı cinsiyetinin makine öğrenmesi tabanlı tespiti
Machine learning based gender detection from cursor movements
EYYÜP SAYILIR
Yüksek Lisans
Türkçe
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKocaeli ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ORHAN AKBULUT