Emotion recognition using EEG and physiological data for a robot-assisted rehabilitation system rehabroby
Robot destekli rehabilitasyon sistemi rehabroby için EEG ve fizyolojik veriler kullanılarak duygu tanıma
- Tez No: 637227
- Danışmanlar: PROF. DR. DUYGUN EROL BARKANA
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2020
- Dil: İngilizce
- Üniversite: Yeditepe Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Elektrik Elektronik Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Robot yardımlı rehabilitasyon sistemleri, hastaların performansını izlemek ve rehabilitasyon görev yoğunluğunu ve zorluk seviyesini her seansta hastaların ihtiyaçlarını karşılayacak şekilde uyarlamak için geliştirilmiştir. Robotik rehabilitasyon sistemleri, hastaların duygusal durumlarını tanıyabilir ve robot destekli rehabilitasyon sistemleri ile görev performansı sırasında bu hastaların katılımını arttırmak için bu duyguları göz önünde bulundurarak görev zorluk derecesini değiştirebilirlerse daha başarılı olabilirler. Bu tezde, RehabRoby adlı robot destekli rehabilitasyon sistemi için elektroensefalografi (EEG) ve kan hacmi (BVP), cilt sıcaklığı (ST) ve cilt iletkenliği (SC) fizyolojik sinyalleri kullanarak bir duygu tanıma modeli geliştirildi. Duygular olumlu (hoş), olumsuz (hoş olmayan) veya nötr olmak üzere üç kategoride değerlendirildi. Kayıtlı EEG ve fizyolojik sinyallerden hoş, hoş olmayan ve nötr duyguları sınıflandırmak için Gradyan Arttırma Makineleri (GBM) ve Konvolusyonal Sinir Ağları (CNN) kullanıldı. Deneklerden, IAPS veritabanından hoş, hoş olmayan ve nötr görüntülere bakmaları istendi. Deneyler sırasında EEG ve fizyolojik sinyaller toplandı. Sadece bir veri (EEG, BVP, SC ve ST) veya hem EEG hem de fizyolojik sinyallerden gelen verilerin kombinasyonu kullanıldığında, GBM ve CNN yöntemleri için sınıflandırma doğrulukları karşılaştırılmıştır.
Özet (Çeviri)
Robot-assisted rehabilitation systems have been developed to monitor the performance of the patients and adapt the rehabilitation task intensity and difficulty level at each session accordingly to meet the needs of the patients. Rehabilitation robotic systems can be more prosperous if they are able to recognize the emotional states of the patients, and modify the difficulty level of task considering these emotions to increase the engagement of these subjects during the task performance with robot-assisted rehabilitation systems. We aim to develop an emotion recognition model using electroencephalography (EEG) and physiological signals such as blood volume pulse (BVP), skin temperature (ST) and skin conductance (SC) to be used for a robot-assisted rehabilitation system called RehabRoby in this thesis. We group emotions into three categories, which are positive (pleasant), negative (unpleasant) or neutral. We use a machine-learning algorithm called Gradient Boosting Machines (GBM) and a deep learning algorithm called Convolutional Neural Networks (CNN) to classify pleasant, unpleasant and neutral emotions from the recorded EEG and physiological signals. We ask the subjects to look at pleasant, unpleasant and neutral images from IAPS database. We collect EEG and physiological signals during the experiments. We compare the classification accuracies for both GBM and CNN methods when only one sensor information (EEG, BVP, SC and ST) or the combination of the sensor information from both EEG and physiological signals are used.
Benzer Tezler
- Emotion aware artificial intelligence for cognitive systems
Bilişsel sistemler için duygu farkındalıklı yapay zeka
DEĞER AYATA
- EEG ve göz izleme verilerini kullanarak makine öğrenmesi tabanlı çok modlu duygu tanıma
Machine learning-based multimodal emotion recognition using EEG and eye tracking data
ESRA KUM KARAMAN
- Emotion recognition of EEG data using tensor logistic regression
Tensör lojistik regresyon kullanarak EEG verilerinden duygu tanıma
İBRAHİM CANSU
- Fog computing-based real-time emotion recognition using physiological signals
Fizyolojik sinyaller ile sis hesaplama tabanlı gerçek zamanlı duygu tanıma
ÖMÜR FATMANUR ERZURUMLUOĞLU
Yüksek Lisans
İngilizce
2025
İstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
Yükleniyor...
- Bilişsel duygu durumlarının iş performansına etkisinin makine öğrenmesi ile araştırılması
Investigation of the effect of cognitive emotional states on task performance using machine learning
DERYA DALFİDAN
