Motor imge tabanlı beyin bilgisayar arayüzü sistemlerinde ön işleme yönteminin sınıflandırma performansına etkisinin araştırılması
Investigation of the effect of preprocessing method on classification performance in motor imagery based brain computer interface systems
- Tez No: 657899
- Danışmanlar: PROF. DR. MAHMUT TOKMAKÇI
- Tez Türü: Doktora
- Konular: Biyoistatistik, Biyomühendislik, Nöroloji, Biostatistics, Bioengineering, Neurology
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: Türkçe
- Üniversite: Erciyes Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Biyomedikal Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 152
Özet
Beyin ile harici bir cihaz arasında iletişim kuran ve beyinden alınan bilgilerin anlamlı bilgi haline getirilmesini sağlayan sistemlere beyin bilgisayar arayüzü (BBA) adı verilmektedir. Tez çalışması kapsamında, bir BBA sistemi aracılığıyla toplanan EEG işaretlerinden motor hareketi ile ilgili bilgi çıkarımı yapılmıştır. EEG işaretleri, 20 gönüllü sağlıklı denekten sağ veya sol el hareketlerini hayal ettikleri sırada kaydedilmiştir. Farklı ön işleme aşamalarının optimizasyonu yapılmış ve böylece yüksek doğruluk ve düşük işlem süresi için seçilmesi gereken ön işleme aşaması parametreleri belirlenmiştir. EEG verilerine ilk kez uygulanan Kırpma Eşikleri (KE) yönteminin sınıflandırma başarımına etkisi gösterilmiştir. Öznitelik çıkarımı aşamasında istatistiksel ortak uzamsal model parametreleri, Hjorth parametreleri ve güç spektral yoğunluğu öznitelikleri belirlenmiştir. Öznitelik seçimi için temel bileşen analizi (TBA) yönteminin performansa katkısı da değerlendirilmiştir. Son aşamada ise matrislerinin Destek Vektör Makineleri (DVM), K-En Yakın Komşuluk (KEYK) algoritması ve Lineer Diskriminant Analiz (LDA) olmak üzere üç farklı sınıflandırıcı kullanılmıştır. Sonuçlar sınıflandırma performans parametreleri olan doğruluk, duyarlılık, özgüllük, kesinlik, kappa değeri, F-skor değeri ve işlem süresi açısından değerlendirilmiştir. Elde edilen sonuçlara göre, bu tez çalışması kapsamında uygulanan işaret işleme aşamaları ile EEG işaretlerinden yüksek başarım ile anlamlı bilgi çıkarımlanmıştır. Tez çalışması kapsamında uygulanan işlem adımları literatürde yer alan BBA Yarışması IV-2b veri seti ile de tekrar edilerek elde edilen ortalama 0.75 kappa değeri ile bu tez çalışmasının literatüre katkı sağladığı gösterilmiştir. Her iki veri seti kullanılarak elde edilen sonuçlar tez çalışmasında önerilen yöntemlerin, BBA sistemlerinde yüksek başarım ile anlamlı bilgi çıkarımı amacıyla kullanılabileceğini göstermektedir.
Özet (Çeviri)
The systems that communicate between the brain and an external device and enable the information received from the brain to be transformed into meaningful information are called the brain computer interface (BCI). Within the scope of the thesis study, information about motor movement was extracted from EEG signals collected via the BCI system. EEG signals were recorded from 20 healthy volunteers as they imagined left or right hand movements. Different preprocessing stages were optimized and thus preprocessing stage parameters to be selected for high accuracy and low classification timing cost were determined. The effect of the Truncation Thresholds (TT) method, which was applied to EEG data for the first time, on classification performance was shown. In the feature extraction stage, statistical common spatial model parameters, Hjorth parameters and power spectral density features were determined. For feature selection, the contribution of principal component analysis (PCA) method to performance was also evaluated. In the last stage, three different classifiers were used, namely Support Vector Machines (SVM), K-Nearest Neighborhood (KNN) algorithm and Linear Discriminant Analysis (LDA). The results were evaluated in terms of classification performance parameters such as accuracy, sensitivity, specificity, precision, kappa value, F-score value and classification timing cost. According to the results obtained, meaningful information could be extracted from EEG signals with high performance by the signal processing stages applied within the scope of this thesis study. It has been shown that this thesis study contributes to the literature with the 0.75 average kappa value obtained by repeating with the BCI Competiiton IV-2b data set the proposed approach within the scope of the thesis study. The results obtained by using both data sets show that the methods suggested in the thesis study could be used to extract meaningful information with high performance in BCI systems.
Benzer Tezler
- Örüntü tanımada ortak vektör ve matris yaklaşımının kullanılması
Using the common vector and matrix approaches in pattern recognition
SEMİH ERGİN
Doktora
Türkçe
2009
Elektrik ve Elektronik MühendisliğiEskişehir Osmangazi ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. M. BİLGİNER GÜLMEZOĞLU
- Analysis of textural image features for content based retrieval
İçerik tabanlı arama sistemleri için imge doku metrik incelemesi
ERAY KULAK
Yüksek Lisans
İngilizce
2002
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSabancı ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. AYTÜL ERÇİL
- İmge arama sonuçlarının baskın kümeler kullanılarak gruplandırılması
Clustering of image search results using dominant sets
EVREN FERHAT EMEKDAŞ
Yüksek Lisans
Türkçe
2010
Elektrik ve Elektronik MühendisliğiAnkara ÜniversitesiElektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. ZİYA TELATAR
- Büyük veri tabanlarında yarı eğitmenli yaklaşımlar kullanarak imge erişimi
Image retrieval using semi-supervised methods in large databases
MERVE ELMAS ERDEM
Yüksek Lisans
Türkçe
2018
Elektrik ve Elektronik MühendisliğiEskişehir Osmangazi ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. KEMAL ÖZKAN
DOÇ. DR. HAKAN ÇEVİKALP
- Development of RW-UAV detection model using deep learning training with a synthetic dataset
Sentetik veriseti ile derin öğrenme eğitimi kullanarak döner kanat İHA tespit modelinin geliştirilmesi
ALİ EMRE ÖZTÜRK
Doktora
İngilizce
2021
Elektrik ve Elektronik MühendisliğiGaziantep ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. ERGUN ERÇELEBİ