EEG sinyalleri ile BCI heceleme sistemlerinde kanal seçme algoritmalarının tanıma performansına etkisinin incelenmesi
Investigation of the effect of channel selection algorithms on recognition performance in spelling systems from EEG signals
- Tez No: 575775
- Danışmanlar: PROF. DR. KEMAL POLAT
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2019
- Dil: Türkçe
- Üniversite: Bolu Abant İzzet Baysal Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 88
Özet
Birkaç on yıllık geçmişi olan ve çalışma sayısı artan Beyin Bilgisayar Arayüzleri (BBA), bu tür bozukluklara sahip bireylerin çevreleriyle iletişim kurmalarını sağlamak üzere geliştirilmeye çalışılmaktadır. Heceleme sistemleri, bir ekranda bulunan harf ve rakamlardan oluşan matris içerisinde, kişinin odaklandığı karakterleri tespit ederek, uygulama aracılığıyla yazıya dönüştüren BBA sistemleridir. Problem, EEG kayıtlarının uzun süreli, tekrarlı ve çok kanallı kayıt edilmesi sonucu oluşan büyük veri ve buna bağlı oluşan işlem maliyetinin yüksek olmasıdır. Veri miktarını ve işlem maliyetini azaltmak için kullanılan yöntemlerden biri de kanal sayısının azaltılmasıdır. Bu amaçla, en iyileme teknikleri, hangi kanalın daha verimli olduğunun matematiksel model ile tasarlanamadığı durumlarda metasezgisel yöntemleri ile devreye girmektedir. Çalışma, 2005 yılında gerçekleştirilen BBA III Yarışması Veri Kümesi II olarak isimlendirilen veriler üzerinden gerçekleştirilmiştir. Çalışmada, genetik algoritma, ikili parçacık sürü en iyilemesi ve ikili yapay arı kolonisi ile kanal seçim işlemleri gerçekleştirilmiştir. Çalışma sonucunda seçilen kanallar, koşumlardaki seçim sayılarına göre 8 kanal, 16 kanal ve ortalama seçim sayısına göre gruplandırılmıştır. Seçilen kanalların, Destek Vektör Makinesi (DVM), En Küçük Kareler Destek Vektör Makineleri (EKK-DVM), Doğrusal Ayırıcı Analizi (DAA) sınıflayıcıları ile tekil ve topluluk yapısı ile performansları incelenmiştir. Sınıflayıcı performans analizi doğruluk, hassasiyet, kesinlik, F skor ölçümleri ile değerlendirilmiştir. Çalışma sonucunda kanal azaltma işleminin tüm sınıflayıcılar için performans artışına neden olduğu gözlenmiştir. Özellikle doğruluk oranı düşük olan verilerde daha yüksek oranda artış olmaktadır. Kanal seçimi sonrası %97'leri geçen doğruluk oranları elde edilmiştir. Metasezgisel en iyileme yöntemleri, BBA sistemlerinde kanal seçim işlemlerinde kullanılarak veri miktarının azalmasını ve buna bağlı olarak işlem maliyetinin düşmesini sağlamaktadır. Ayrıca tahmin performansını arttırmaktadır.
Özet (Çeviri)
With several decades of history, BCI are being developed to enable individuals with such disorders to communicate with their environment. Speller systems are detected characters of the person focused in a matrix consisting of letters and numbers on a screen and convert them into writing through the application. The problem is large data and the associated processing costs are high. Reduce the number of channels used for reduce the amount of data and process cost. Optimization techniques come into play with metaheuristic methods in cases where which channel is more efficient cannot be designed with mathematical model. The study was conducted on the data called BCI III Competition Dataset II held in 2005. In this study, channels were selected by the genetic algorithm, binary particle swarm optimization and binary artificial bee colony. The selected channels were grouped according to the number of selections in the repetitions by 8 channels, 16 channels and average number of selections. The performance of the selected channels in the singular and ensemble structure was investigated by using SVM, LS-SVM and LDA. The classifier performance analysis was accuracy, sensitivity, precision, F score measurement. As a result of the study, it has been observed that channel reduction causes performance increase for all classifiers. Especially the data with low accuracy rate increases at a higher rate. After the channel selection, accuracy rates exceeding 97% were obtained. This metaheuristic methods are used in channel selection processes in BCI systems, decreasing the amount of data and the transaction cost.
Benzer Tezler
- Analysis and classification of spelling paradigm EEG data and an attempt for optimization of channels used
Heceleme paradigması EEG verisinin analizi ve sınıflandırılması ve en uygun kanalların kullanılması üzerine bir çalışma
ASİL YILDIRIM
Yüksek Lisans
İngilizce
2010
Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik ÜniversitesiElektrik ve Elektronik Mühendisliği Bölümü
PROF. DR. UĞUR HALICI
- Adaptation in P300 and motor imagery-based bci systems
Beyin-bilgisayar arayüzü tabanlı P300 ve hayali motor hareketlerinde uyarlama
İSMAİL YILMAZ
Yüksek Lisans
İngilizce
2015
Mühendislik BilimleriSabancı ÜniversitesiMühendislik Bilimleri Ana Bilim Dalı
DOÇ. DR. MÜJDAT ÇETİN
- EEG sinyalleri kullanılarak gerçek zamanlı P300 tabanlı heceleme sistemi tasarımı
The real-time P300 based speller system design by using EEG signals
ABDULLAH BİLAL AYGÜN
Yüksek Lisans
Türkçe
2019
BiyomühendislikKarabük ÜniversitesiBiyomedikal Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ AHMET REŞİT KAVSAOĞLU
- Motor imagery based mobile brain computer interface design using machine learning techniques
Makine öğrenmesi yöntemleri ile motor hareket hayali tabanlı mobil beyin bilgisayar arayüzü tasarımı
HAKAN AŞIK
Yüksek Lisans
İngilizce
2017
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
PROF. DR. ZÜMRAY DOKUR
- Incorporation of a language model into a brain computer interface based speller
Dil modeli destekli bir beyin-bilgisayar arayüzü tabanlı heceletici
ÇAĞDAŞ ULAŞ
Yüksek Lisans
İngilizce
2013
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSabancı ÜniversitesiElektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. MÜJDAT ÇETİN