Geri Dön

Hybrid and model based approaches for new BCI spellers

Hibrit ve model bazlı yeni heceleyici beyin-bilgisayar arayüzleri

PDF İndir

  1. Tez No: 574349
  2. Yazar: SULEMAN AIJAZ MEMON
  3. Danışmanlar: PROF. DR. YUSUF ZİYA İDER
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2019
  8. Dil: İngilizce
  9. Üniversite: İhsan Doğramacı Bilkent Üniversitesi
  10. Enstitü: Mühendislik ve Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 84

Özet

Elektroansefalografi (EEG) tabanlı beyin-bilgisayar arayüzleri (BBA) müdahalesiz olması, taşınabilir olması ve zamansal çözünürlüğünün iyi olması sebebiyle nöral mühendislik alanında sıkça tercih edilmektedirler. BBA paradigmalarını günlük uygulamalar için daha pratik ve uygulanabilir hale getirmek amacıyla, hibrit BBA'lar ve model tabanlı BBA'lar gibi yeni yaklaşımlar denenmektedir. Bu çalışmanın ilk aşamasında, tek başına P300 ve tek başına kod modülasyonlu görsel uyarılmış potansiyel (KMGUP) paradigmalarının elde edebileceğinen daha yüksek doğruluk oranı ve bilgi aktarım hızı (BAH) geliştirmek amacıyla geleneksel P300 ve KMGUP paradigmalarını birleştiren yeni bir hibrit heceleyici BBA önerilmiştir. Buna ek olarak, P300 ve KMGUP verilerini en son karar aşamasında skor düzeyinde etkili bir şekilde birleştirmek için füzyon teknikleri uygulanmıştır. Geliştirilen hibrit BBA için iki farklı yaklaşım, doğrusal ayrımcı analizi (linear discriminant analysis (LDA)) ve maksimum olasılık tahmini (maximum probability estimation (MPE)), uygulanmıştır ve performansları karşılaştırılmıştır. Önerdiğimiz BBA, 120 Hz yineleme hızına sahip bir ekranda 6x6 matris dizilimine sahip 36 hedeften oluşmaktadır. Her bir deneğe bir eğitim seansından sonra beş test seansının uygulandığı deneylere 7 sağlıklı denek katılmıştır. Deneylerde kaydedilen ham EEG'den P300 ve KMGUP sinyalleri sırasıyla 0.5-6 Hz bant geçiren filtre ve 6-41 Hz bant geçiren filtre uygulanarak elde edilmiştir. P300 için, öznitelik vektörünü elde etmek amacıyla 10 EEG kanalından alınan eğitim verileri üzerinde aşamalı olarak lineer ayırma analizi (stepwise linear discriminant analysis (SWLDA)) uygulanmaktadır. KMGUP için ise 36 hedef için şablon elde etmek amacıyla eğitim verisi üzerinde kanonik korelasyon analizi (KKA) uygulanmaktadır. Hibrit deneylerinde elde edilen veriden P300 verisini kullanmayıp sadece kmGUP verisini kullanarak yapılan KMGUP ile karşılaştırıldığında MPE-tabanlı hibrit paradigma, doğruluk ve BAH değerlerini ortalamada sırasıyla %1.1 ve 2.1 bit/dk kadar arttırmıştır. LDA-tabanlı hibrit paradigma kullanıldığında ise bu değerlerin %12.3 ve 19.8 bit/dk kadar azaldığı gözlemlenmiştir. Bunlara ek olarak, bütün deneklerin doğruluk ve BAH değerlerinin ortalaması üzerinden yapılan istatistiki testler, MPE-tabanlı hibrit paradigma ve hibrit-tabanlı KMGUP paradigmasının istatistiki olarak farklı olmadığını göstermektedir (p=0.293). MPE-tabanlı hibrit paradigma her ne kadar istatistiki olarak daha iyi olmasa da temel amaç doğruluk oranını arttırmak ise bu çalışmanın sonuç bölümünde tartışıldığı üzere P300 yöntemlerinde yapılacak geliştirmeler ile beraber bu hibrit paradigmanın kullanılması oldukça etkili olacaktır. Öte yandan, amaç heceleyicinin hızını arttırmak ise bu yöntem faydalı olmayabilir, çünkü KMGUP paradigması, zamanlama açısından optimize edildiğinde, kendi başına ortalamada 122.9 bit/dk veya daha fazlası kadar bir BAH elde edebilmektedir. Çalışmanın ikinci aşamasında ise, heceleyicideki her hedefe atanan kod sekansının rastgele seçildiği ve bu yüzden bütün hedefler için ayrı ayrı eğitim gerektiği durumda, eğitim için gereken sürenin azaltılması amacıyla model-tabanlı bir KMGUP BBA geliştirilmiştir. Bu amaçla, sırasıyla 60 Hz ve 120 Hz monitör yineleme hızı için KMGUP görsel stimülasyonlarına verilen tepkeleri simüle etmek için hareketli ortalama modeli uygulanmıştır. Ölçülen tepkeler ile modelden elde edilen tepkeler arasındaki ortalama korelasyon 60 Hz için 0.357, 120 Hz için ise 0.396'dır. Model-tabanlı KMGUP BBA'nın ortalama doğruluk ve BAH değerleri 60 Hz için sırasıyla %87.1 ve 76.4 bit/dk, 120 Hz için sırasıyla %82.1 ve 72.4 bit/dk'dır. Modelleme sonuçları, tek bir görsel uyaran düzeninde bir eğitim gerçekleştirdikten sonra elde edilen veriler kullanılarak uygun bir model elde etmenin mümkün olduğunu göstermektedir.

Özet (Çeviri)

Electroencephalography (EEG) based brain-computer interfaces (BCIs), due to their non-invasive, portable and temporal resolution properties, are widely used in the fi eld of neural engineering. In order to make BCI paradigms more practical and feasible for real life applications, new approaches are being tested such as hybrid BCIs and model based BCIs. In the fi rst phase of this study, a novel hybrid speller BCI is proposed, incorporating P300 and code-modulated visual evoked potential (c-VEP) paradigms, with the objective of improving the spelling accuracy and information transfer rate (ITR), compared to individual P300 and c-VEP paradigms. Moreover, fusion techniques have been applied in order to effectively combine the information of P300 and c-VEP at the score level. We have implemented and compared two different approaches, linear discriminant analysis (LDA) and maximum probability estimation (MPE), in order to identify which one works best for this hybrid BCI. The proposed BCI consists of 36 targets presented as 6x6 matrix on screen with a refresh rate of 120 Hz. Seven healthy subjects participated in experiments where each subject performed a training session followed by fi ve test sessions. The P300 and c-VEP signals are obtained by using bandpass fi lters of 0.5-6 Hz and 6-41 Hz respectively, on the raw hybrid data. For P300, stepwise linear discriminant analysis (SWLDA) is performed on training data from all the 10 EEG channels to obtain the feature vector. For c-VEP, canonical correlation analysis (CCA) is performed on training data to obtain the reference templates for all 36 symbols. In comparison with the accuracy and ITR values of c-VEP alone, that is without simultaneously making use of the P300 data obtained during the hybrid experiments, MPE-based hybrid improved only by 1.1% and 2.1 bits/min, on average, respectively, whereas the values worsened by 12.3% and 19.8 bits/min in the case of LDA-based hybrid. Moreover, the statistical tests on the mean accuracy and ITR values of all the subjects showed that the results of MPE-based hybrid and of c-VEP alone are not statistically different (p=0.293). Although the MPE-based hybrid is not statistically better than the c-VEP alone, it can be highly effective if the primary goal is to only increase the accuracy, using a range of improvements in P300 methods as discussed in conclusion. However, it would not be useful if the purpose is to increase the speed of the speller since the individual c-VEP paradigm, when optimized for timing, has the capability of giving an average ITR of 114.9bits/min or higher, on its own. In the second phase of this study, model based c-VEP BCI is implemented, aimed at improving the training time compared to the case where all the targets are assigned arbitrary pseudorandom binary sequences and training is required for all the symbols separately. For this purpose, moving average model has been implemented to simulate the responses for c-VEP visual stimulation patterns, for 60Hz and 120Hz monitor refresh rate respectively. The average of the correlation between measured response and modeled response for 60Hz and 120Hz is 0.357 and 0.396 respectively. The average accuracy and ITR obtained for model based c-VEP BCI is 87.1% and 76.4 bits/min for 60Hz respectively and 82.1% and 72.4 bits/min for 120Hz respectively. Modeling results suggest that it is possible to perform a training on a single visual stimulus pattern and achieve a good fi t model.

Benzer Tezler

  1. Tez No

    837076

    Hierarchical deep bidirectional self-attention model for recommendation

    Hiyerarşik çift yönlü öz dikkat tabanlı derin öğrenme tavsiye modeli

    İREM İŞLEK

    Doktora

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. ŞULE GÜNDÜZ ÖĞÜDÜCÜ

  2. Tez No

    406048

    Zaman serisi öngörüsü için yeni bir melez yaklaşım: AR-ANFIS

    A new hybrid method for time series forecasting: AR-ANFIS

    BUSENUR SARICA

    Yüksek Lisans

    Türkçe

    Türkçe

    2015

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMimar Sinan Güzel Sanatlar Üniversitesi

    İstatistik Ana Bilim Dalı

    DOÇ. DR. BARIŞ AŞIKGİL

  3. Tez No

    892819

    Öz bilgi destekli derin öğrenme yaklaşımları ile hsg gürültü giderme

    Self-ınformation empowered deep learning approaches for hsı denoising

    ORHAN TORUN

    Doktora

    Türkçe

    Türkçe

    2024

    Elektrik ve Elektronik MühendisliğiHacettepe Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. SENİHA ESEN YÜKSEL ERDEM

    PROF. DR. MEHMET ERKUT ERDEM

  4. Tez No

    859512

    Nesnelerin interneti temelli akıllı şebekelerde güvenlik zafiyetlerinin tespiti ve çözümüne yönelik yeni yaklaşımların geliştirilmesi

    Developing new approaches for detecting and solving security vulnerabilities in internet of things based smart grids

    MUHAMMED ZEKERİYA GÜNDÜZ

    Doktora

    Türkçe

    Türkçe

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat Üniversitesi

    Yazılım Mühendisliği Ana Bilim Dalı

    PROF. DR. RESUL DAŞ

  5. Tez No

    606697

    Zaman Serileri Modelleri İçin Yeni Bir Performans Değerlendirme Yöntemi

    A New Performance Evaluation Method For Time Series Models

    ONUR ORAL

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKTO Karatay Üniversitesi

    Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ HÜSEYİN OKTAY ALTUN

Geri Dön