Geri Dön

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

PDF İndir

  1. Tez No: 637227
  2. Yazar: ELİF GÜMÜŞLÜ
  3. Danışmanlar: PROF. DR. DUYGUN EROL BARKANA
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2020
  8. Dil: İngilizce
  9. Üniversite: Yeditepe Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Elektrik Elektronik Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: 149

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

  1. Tez No

    546544

    Emotion aware artificial intelligence for cognitive systems

    Bilişsel sistemler için duygu farkındalıklı yapay zeka

    DEĞER AYATA

    Doktora

    İngilizce

    İngilizce

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. YUSUF YASLAN

    PROF. DR. MUSTAFA ERSEL KAMAŞAK

  2. Tez No

    720087

    Emotion recognition of EEG data using tensor logistic regression

    Tensör lojistik regresyon kullanarak EEG verilerinden duygu tanıma

    İBRAHİM CANSU

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    BiyomühendislikBoğaziçi Üniversitesi

    Biyomedikal Mühendisliği Ana Bilim Dalı

    PROF. DR. AHMET ADEMOĞLU

  3. Tez No

    714467

    Türkiye temalı tanıtım filmlerinin tüketici zihninde yarattığı etkilerin nörobilim araçları ile analizi: (EEG ve göz izleme)

    The analysis of Turkey themed promotional films effects on consumer minds using neuroscience tools: (EEG and eye tracking)

    EBRU BAĞÇI

    Doktora

    Türkçe

    Türkçe

    2022

    ReklamcılıkAydın Adnan Menderes Üniversitesi

    Turizm İşletmeciliği Ana Bilim Dalı

    DOÇ. DR. AZİZ BOSTAN

  4. Tez No

    446541

    EEG sinyalleri ve yüz ifadeleri kullanılarak farklı uyaran tiplerine göre duygu analizi ve sınıflandırma

    Emotion analysis and classification for various types of stimuli using EEG signals and facial expressions

    YAŞAR DAŞDEMİR

    Doktora

    Türkçe

    Türkçe

    2016

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolMustafa Kemal Üniversitesi

    Enformatik Ana Bilim Dalı

    DOÇ. DR. SERDAR YILDIRIM

  5. Tez No

    806695

    Zihinsel yorgunluk bulgularının fizyolojik sinyallere dayalı analizi

    Analysis of signs of mental fatigue based on physiological signals

    ŞEYMA DERDİYOK

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Kültür Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. FATMA PATLAR AKBULUT

Geri Dön