Potansiyel EEG tabanlı beyin bilgisayar arayüzleri için motor imgeleme aktivitelerinin tespit edilmesi
Detecting motor imagery activity for EEG based brain computer interface applications
- Tez No: 650810
- Danışmanlar: PROF. DR. MEHMET ALİ ONUR, DOÇ. DR. HARUN ARTUNER
- Tez Türü: Yüksek Lisans
- Konular: Biyomühendislik, Biyoteknoloji, Bioengineering, Biotechnology
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2020
- Dil: Türkçe
- Üniversite: Hacettepe Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Biyomühendislik Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 128
Özet
Bu tez çalışmasında, potansiyel Beyin-Bilgisayar Arayüzü uygulamaları için motor imgeleme aktivitelerinin tespit edilebilmesi, teorik ve deneysel olarak incelenmiştir. Teorik çalışma, Beyin-Bilgisayar Arayüzü sistemlerinde farklı motor imgeleme davranışlarının sınıflandırılmasına yönelik başarım oranını iyileştirmek için birkaç yaklaşıma dayalı (Ortak Ortalamaya Referanslama, Temel Bileşenler Analizi, Kör Kaynak Ayırma, Genelleştirilmiş Özdönüşüm) doğrusal uzamsal filtreleme tekniğinin performansını değerlendirmek ve karşılaştırmaktır. Uzamsal filtrelerin performanslarının değerlendirilmesi için BBA yarışma veri setleri içerisindeki farklı imgeleme davranışlarına (sağ el/sol el ve ayak/dil) ait veriler kullanılmıştır. Verilerde beyazlatma ve düzenleme parametreleri ile, uzamsal filtrelerin sınıflandırma performanslarının iyileştirilmesi hedeflenmiştir. Deneysel çalışmada, iki kanallı bir EEG cihazı kullanılarak farklı motor imgeleme davranışları (sağ el/sol el) ile değişen alfa bandı genlik düşüşü ritimlerinin (Eyleme Bağlı Desenkronizasyon,“EBD”) tespit edilebilirliği incelenmiştir. Teorik çalışmada incelenen uzamsal filtreleme yaklaşımlarından Genelleştirilmiş Özdönüşüm yöntemi, aktivitenin gerçekleştiği topografik bölgenin tespiti ve elektrot ölçümleri içerisinden aktivitelere bağlı değişen sinyal örüntülerinin çıkartılması için kullanılmıştır. Deneysel çalışmalar 6 sağlıklı ve sağ elini kullanan katılımcı ile gerçekleştirilmiştir ve ipucu tabanlı bir prosedür kullanılmıştır. Teorik çalışmadaki bulgulara göre, Genelleştirilmiş Özdönüşüm yaklaşımı diğer yaklaşımlara göre baskın olarak daha iyi bir sonuç vermiştir. Verilerde beyazlatma ön işlemesi uzamsal filtrelerin performansında iyi bir derecede iyileşme sağlamıştır. Genelleştirilmiş Özdönüşüm yaklaşımı için düzenleme parametreleri, genel sınıflandırma başarıları için düşük boyutta bir iyileşme gösterirken bazı denekler için iyi bir sınıflandırma başarısı sağlamıştır. Deneysel çalışmalardaki bulgulara göre, 6 katılımcı içerisinden 4 katılımcı için imgeleme aktivitelerine ait zaman dilimlerinde ve topografik olarak beynin imgelemelerle ilişkilendirilmiş bölgelerinde sinyal genliklerinin referans periyotlarına göre ortalama yaklaşık %50'sine (ort. %47,3) kadar azaldığı EBD örüntüleri, kullanılan uzamsal filtre yaklaşımı ile tespit edilebilmiştir.
Özet (Çeviri)
In this study, the detection of motor imagery activities related to the potential Brain-Computer Interface applications is investigated in a theoretical and experimental way. The theoretical research focuses on several approaches (Common Average Reference, Principal Components Analysis, Blind Source Separation, Generalized Eigendecomposition) of linear spatial filters to improve the classification accuracy of different motor imagery activities in Brain-Computer Interface systems. Various motor imagery activities (right hand/left hand and foot/tongue) in BCI Competition datasets are used to evaluate the spatial filter performances. It is aimed to improve the classification accuracy performance of spatial filters by regularizing and whitening operations in the data. In the experimental study, the detectability of alpha-band amplitude drop rhythms (Event-Related Desynchronization,“ERD”) varying with different motor imagery behaviors (right hand/left hand) was investigated by using a two-channel EEG device. Generalized Eigendecomposition method, which is one of the spatial filtering approaches examined in the theoretical study, was used to determine the activity-dependent topographical localization and to signal patterns from the electrode measurements. Experimental studies were carried out with 6 healthy and right-handed participants, and a cue-based procedure was used. Based on the theoretical research findings, the Generalized Eigendecomposition approach yielded a significantly better outcome than other methods. The data whitening preprocesses provided a good improvement in the performance of spatial filters. Regularization for the Generalized Eigendecomposition showed a low improvement in overall classification accuracy, and it provided good classification success for some subjects. Based on the findings in the experimental studies, for 4 of 6 participants, the ERD patterns in the periods of the imagery activities and topographically associated regions of the brain were determined by the spatial filter approach, where the signal amplitudes decreased by an average of about 50% (mean: %47,3) compared to their reference periods.
Benzer Tezler
- Makine öğrenmesi algoritmaları kullanılarak glossokinetik potansiyel tabanlı dil-makine arayüzü tasarımı
Glossokinetic potential based tongue-machine interface design using machine learning algorithms
KUTLUCAN GÖRÜR
Doktora
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. MEHMET RECEP BOZKURT
PROF. DR. FEYZULLAH TEMURTAŞ
- Classification methods for motor imagery based brain computer interfaces
Motor hareket hayali tabanlı beyin bilgisayar arayüzleri için sınıflandırma metotları
AYHAN YÜKSEL
Doktora
İngilizce
2016
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. TAMER ÖLMEZ
- Imperceptible grating based steady-state motion visual evoked potentials brain-computer interface for spatial navigation
Yüksek frenakslı merkezi gabor tabanlı sabit durum hareket görsel uyarılmış potansiyelleri ile mekansal navigasyon için beyin bilgisayar arayüzü
BARTU ATABEK
Yüksek Lisans
İngilizce
2024
Bilim ve TeknolojiOrta Doğu Teknik ÜniversitesiBilişsel Bilim Ana Bilim Dalı
DOÇ. DR. MURAT PERİT ÇAKIR
- Development of classification methods for electroencephalogram based brain computer interfaces
Elektroensefalogram tabanlı beyin bilgisayar arayüzleri için sınıflama yöntemlerinin geliştirilmesi
ZAFER İŞCAN
Doktora
İngilizce
2012
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. ZÜMRAY DOKUR
- Hybrid and model based approaches for new BCI spellers
Hibrit ve model bazlı yeni heceleyici beyin-bilgisayar arayüzleri
SULEMAN AIJAZ MEMON
Yüksek Lisans
İngilizce
2019
Elektrik ve Elektronik Mühendisliğiİhsan Doğramacı Bilkent ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. YUSUF ZİYA İDER