Observed shape detection from brain electrical time series using short-length epochs
Kısa uzunluk epoklar kullanılarak beyin elektrikli zaman serisinden gözlenen şekli tespiti
- Tez No: 672474
- Danışmanlar: PROF. DR. OĞUZ BAYAT, DOÇ. DR. ADİL DENİZ DURU
- Tez Türü: Yüksek Lisans
- Konular: Bilim ve Teknoloji, Science and Technology
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2020
- Dil: İngilizce
- Üniversite: Altınbaş Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilgi Teknolojileri Ana Bilim Dalı
- Bilim Dalı: Bilgi Teknolojileri Bilim Dalı
- Sayfa Sayısı: 61
Özet
Beyin bilgisayar arayüz çalışmaları, ilgili bilgileri sergilemek için bir deneğin fizyolojik tepkisinin kaydedilmesini gerektirdi. Çıkarılan bu bilgi bir eylemi gerçekleştirmek için kullanılabilir ve bilgi miktarı beyin bilgisayar arayüzü (BCI) performansının belirlenmesinde önemli bir rol oynar. Gelişmiş deneysel paradigmaların kullanılması ve ayrıca elektroensefalogram (EEG) kullanılarak beyin tepkilerinin ölçülmesi, BCI çalışmaları için en yaygın yaklaşımdır. Bu çalışmada, dört şekle yanıt olarak ortaya çıkan devam eden beyin aktivitesinin sınıflandırılması yönetilmekte ve rapor edilmektedir. Her bir uyarıcı türünün özellik kümesine 50% zaman örtüşmesi ile her kanalın bir saniyelik zaman serisine ilişkin frekans spektrumunu elde etmek için Fourier dönüşümü uyguladık. Dört adet makine öğrenimi sınıflandırıcısı uygulanmış olup, sınıflandırma konseptinde (delta, teta, alfa, beta ve gama) bir saniyelik dönem için bant güç değerleri, özellik setini oluşturarak toplam 315 özellik ortaya çıkarmıştır. Dört ML sınıflandırıcı arasında Quadratic Discriminant 87.1% en yüksek doğruluğu kaydetti.
Özet (Çeviri)
Brain computer interface studies required recording of a physiological response of a subject to exhibit relevant information. This extracted information can be used to perform an action and the amount of the information plays a significant role in the determination of brain computer interface (BCI) performance. The use of improved experimental paradigms as well as measuring the brain responses using electroencephalogram (EEG) is the most common approach for the BCI studies. In this study, the classification of the ongoing brain activity occurring as response to the four shapes is managed and reported. We applied Fourier transform to obtain the frequency spectrum regarding the one-second time-series of each channel with a time overlap of 50% to the feature set of each stimulus type. Four machine learning classifiers are implemented, and in the concept of the classification, (delta, theta, alpha, beta, and gamma) band power values for one second period constituted the feature set, resulting in a total of 315 features. Among the four ML classifier Quadratic Discriminant 87.1% recorded the highest accuracy.
Benzer Tezler
- Blind deconvolution techniques in identifying fMRI based brain activation
fMRG tabanlı beyin aktivasyonlarının saptanmasında gözü kapalı ters evrişim teknikleri
HALİME İCLAL AKYOL
Yüksek Lisans
İngilizce
2011
Elektrik ve Elektronik MühendisliğiOrta Doğu Teknik ÜniversitesiPROF. DR. AYDAN ERKMEN
YRD. DOÇ. DR. DİDEM GÖKÇAY
- Modelling prefrontal cortex functions by using neural networks
Korteks işlevlerinin yapay sinir ağları ile modellenmesi
GÜLAY KAPLAN BÜYÜKAKSOY
Doktora
İngilizce
2003
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. CÜNEYT GÜZELİŞ
YRD. DOÇ. DR. NESLİHAN ŞENGÖR
- Biyomagnetik olaylar
Başlık çevirisi yok
M.TOGAN ÇANDIR
Yüksek Lisans
Türkçe
1996
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiPROF.DR. İNCİ AKKAY
- Detection and 3D modeling of brain tumors using image segmentation methods and volume rendering techniques
Görüntü segmentasyon yöntemleri ve hacim oluşturma teknikleri kullanılarak beyin tümörlerinin saptanması ve 3 boyutlu modellemesi
DEVRİM KAYALI
Yüksek Lisans
İngilizce
2020
Elektrik ve Elektronik MühendisliğiÇukurova ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. ULUS ÇEVİK
- MR görüntülerinde MS hastalığının teşhisine yeni bir yaklaşım
A new approach to the diagnosis of MS disease in MR images
BURAK YILMAZ
Doktora
Türkçe
2017
Elektrik ve Elektronik MühendisliğiSelçuk ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. AKİF DURDU