Geri Dön

EEG data classification using multilinear regression model

Çoklu doğrusal regresyon modeli kullanarak EEG verilerinin sınıflandırılması

PDF İndir

  1. Tez No: 627216
  2. Yazar: AYŞE AKGÜN DEMİR
  3. Danışmanlar: PROF. DR. AHMET ADEMOĞLU
  4. Tez Türü: Yüksek Lisans
  5. Konular: Biyoistatistik, Biyomühendislik, Biyoteknoloji, Biostatistics, Bioengineering, Biotechnology
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2019
  8. Dil: İngilizce
  9. Üniversite: Boğaziçi Üniversitesi
  10. Enstitü: Biyo-Medikal Mühendislik Enstitüsü
  11. Ana Bilim Dalı: Biyomedikal Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Biyomedikal Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: 58

Özet

Beyin Bilgisayar Arayüzleri (BCI), kişilerin, sinir sistemlerini kullanmaksızın, elektromekanik veya nöroprostetik bir cihazı bilgisayar yardımıyla denetlemelerini sağlayan sistemlerdir. Kafaderisi üzerine yerleştirilen elektrotlardan elde edilen ve Elektroansefalogram (EEG) adı verilen elektriksel kayıtlar sayesinde beyin dokuları hakkında bilgi edinebilmek mümkündür. Farklı bölgelere yerleştirilen elektrotlar çevrelerindeki elektriksel aktiviteyi yakalayabilmektedirler. BCI sistemleri, beyin sinyallerinin barındırdığı motor veya bilişsel etkinlik bilgisini tanımlayıp çevrede bulunan cihazları harekete geçirebilmek için, bu elektrotlardan elde edilen elektriksel sinyalleri birleştirerek, sinyal işleme ve yapay öğrenme algoritmaları kullanırlar. Duygu tahmini, genellikle beyin bilgisayar arayüzü uygulamalarında insan ve makine arasındaki iletişimi geliştirmek ve denetlemek için kullanılır. Doğru duygu analizi için en yaygın kullanılan yöntem olan beyin elektriksel aktivitesine dayalı duygu tahmini çalışmaları son yıllarda ivme kazanmıştır. Bu tez çalışmasında, duygusal anlamda hoş ve nahoş resimlerle karşılaşan normal deneklerden alınan çok kanallı EEG verileri çoklu doğrusal regresyon algoritması ile sınıflandırılmıştır. Sonuçlar, Destek Vektörü Makinesi (SVM) sonuçları ile karşılaştırılarak doğrulukta daha iyi olduğu kanıtlanmıştır.

Özet (Çeviri)

Brain Computer Interfaces (BCI) are systems that facilitate people to use a computer, to control an electromechanical or a neuroprosthetic device without using their motor nervous system. It is possible to obtain an information about the brain tissues with electrodes placed on the skull which record the electrical activity called electroencephalogram (EEG) . The electrodes placed in dierent regions capture the activity in their neighborhood. BCI systems combining the electrical signals from these electrodes use signal processing and machine learning algorithms to identify the motor or the cognitive activity that is embedded in the brain signals so as to mobilize the peripheral devices according to the information gathered. Emotion estimation is often used in brain computer interface applications to improve and control the communication between man and machine. In recent years, emotion estimation studies based on brain electrical activity, which is the most widespread method used for accurate emotion analysis, have gained momentum. In this thesis study, multichannel EEG data taken from normal subjects who encountered emotionally pleasant and unpleasant pictures were classied with a multilinear regression algorithm. The results were compared with those of the Support Vector Machine (SVM) and proved to be better in accuracy.

Benzer Tezler

  1. Tez No

    906013

    EEG sinyallerinin veri madenciliği teknikleriyle değerlendirilmesi

    Evaluation of EEG signals with data mining techniques

    PINAR KARABAKLA

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Eğitim ve ÖğretimGazi Üniversitesi

    Eğitim Bilimleri Ana Bilim Dalı

    PROF. DR. DİLARA BAKAN KALAYCIOĞLU

  2. Tez No

    674586

    Brain computer interfacing (BCI) data analysis using graph signal processing

    Çizge sinyal işleme ile beyin bilgisayar arayüzü verilerinin analizi

    SEVDE BÜŞRA BAYRAK

    Yüksek Lisans

    Türkçe

    Türkçe

    2021

    Mühendislik BilimleriBoğaziçi Üniversitesi

    Biyomedikal Mühendisliği Ana Bilim Dalı

    PROF. DR. AHMET ADEMOĞLU

  3. Tez No

    683846

    Fourier transform based epileptic seizure features classification using scalp electrical measurements using KNN and SVM

    Başlık çevirisi yok

    ATHAR AL-AZZAWI

    Yüksek Lisans

    İngilizce

    İngilizce

    2021

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş Üniversitesi

    Bilgi Teknolojileri Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ABDULLAHI ABDU IBRAHIM

  4. Tez No

    809652

    Derin öğrenme algoritmaları kullanılarak EEG sinyallerinden yalan tespiti

    Lie detection from EEG signals using deep learning algorithms

    MUSA ASLAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat Üniversitesi

    Yazılım Mühendisliği Ana Bilim Dalı

    DOÇ. DR. MUHAMMET BAYKARA

  5. Tez No

    820947

    Go/NoGo testi ile EEG verilerinin destek vektör makineleri, doğrusal ayırma analizi ve rastgele orman algoritmaları ile sınıflandırılması

    Classification of EEG data with support vector machines, linear discriminant analysis, and random forest algorithms using Go/NoGo test

    ŞUAYB HIZAR

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÜsküdar Üniversitesi

    Sağlık Bilişimi Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ TUĞÇE BALLI

Geri Dön