Geri Dön

Brain computer interfacing (BCI) data analysis using graph signal processing

Çizge sinyal işleme ile beyin bilgisayar arayüzü verilerinin analizi

  1. Tez No: 674586
  2. Yazar: SEVDE BÜŞRA BAYRAK
  3. Danışmanlar: PROF. DR. AHMET ADEMOĞLU
  4. Tez Türü: Yüksek Lisans
  5. Konular: Mühendislik Bilimleri, Engineering Sciences
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2021
  8. Dil: Türkçe
  9. Üniversite: Boğaziçi Üniversitesi
  10. Enstitü: Biyo-Medikal Mühendislik Enstitüsü
  11. Ana Bilim Dalı: Biyomedikal Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 63

Özet

Veriler, toplum, ekonomi, endüstri, güvenlik, ulaşım ve tıp dahil olmak üzere çeşitli alanlarda muazzam bir şekilde büyüyor. Bu verilerin çok boyutlu yapısı, alttlarında yatan bağlantı yapılarını kullanan yeni teknikler gerektirir. Çizge sinyal işleme, Ökliduzayındagerçekleştirilenklasiksinyalişlemeninbiruzantısıolarakyüksekboyutlu veri kümeleri için bir işleme aracı olarak ortaya çıkmıştır. Bu tezde, beyin bilgisayar arayüzü (BCI) için toplanan elektroensefalografi (EEG) verileri, ön işleme aracı olarak çizge sinyal işleme yöntemi kullanılarak sınıflandırma için kullanılmıştır. Biri duygu algılama ve diğeri motor imgeleme sırasında olmak üzere iki EEG veri kümesi kullanılmıştır. Destek vektör makineleri (SVM) ve K− en yakın komşu algoritmaları sınıflandırma için kullanılmıştır. EEG verilerinin altında yatan bağlantısallık yapısı, kafatasına konumlandırılan elektrotların birbirleri ile uzaklığı ve komşu bilgileri kullanılarak elde edilmiştir. Sonuçlar, data Fourier spektral özvektörleri tarafından belirlenen zamansal frekansın takip ettiği graf spektral özvektörleri tarafından belirlenen graph alt uzayına sınıflandırma işleminden önce bir ön işlem olarak iz düşürüldüğünde, sınıflandırma doğruluğunun önemli ölçüde arttığını göstermektedir.

Özet (Çeviri)

Data have been growing enormously in various domains including society, economics, industry, security, transportation, and medicine. The high dimensional structure of these data requires new techniques that employ their underlying connectivity structure. Graph signal processing (GSP) has emerged as a processing tool for high dimensional datasets as an extension of classical signal processing performed in the Euclidean space. In this thesis, electroencephalography (EEG) data collected for brain-computer interfacing (BCI) are used for classification using GSP as a preprocessing tool. Two EEG datasets, one during emotion detection, and one during motor imagery are used. Support vector machines (SVM) and $K-$nearest neighboring algorithms are used for classification. The underlying connectivity structure of the EEG data is obtained using the distance and neighboring information of the electrode locations on the scalp. The results show that the classification accuracy is significantly improved when the data are projected to the underlying graph subspace determined by the graph spectral eigenvectors followed by a temporal filtering determined by Fourier spectral eigenvectors as a preprocessing step before classification.

Benzer Tezler

  1. Spatial decoding of oscillatory neural activity for brain computer interfacing

    Beyin makine arayüzleri için salınımlı beyin işaretlerinin uzamsal çözümlemesi

    İBRAHİM ONARAN

    Doktora

    İngilizce

    İngilizce

    2013

    Biyomühendislikİhsan Doğramacı Bilkent Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. AHMET ENİS ÇETİN

    YRD. DOÇ. DR. NURİ FIRAT İNCE

  2. Epilepsy seizure detection in eeg signals using wavelet transforms and support vector machines

    Dalgacık dönüşümü ve destek vektör makineleri kullanarak epilepsi nöbeti tanıma

    AWIN MAHMOOD SALEEM

    Yüksek Lisans

    İngilizce

    İngilizce

    2017

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. AHMET ÇINAR

  3. Düşünsel elektrokortikografi (ECoG) işaretlerinin beyin bilgisayar arayüzü uygulamalarında verimli sınıflandırılması

    Efficient classification of imagery electrocorticography (ECoG) signals in brain computer interface applications

    RAMAZAN KOÇOĞLU

    Yüksek Lisans

    Türkçe

    Türkçe

    2009

    Elektrik ve Elektronik MühendisliğiKaradeniz Teknik Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. TEMEL KAYIKÇIOĞLU

  4. Beyin bilgisayar arayüzü uygulamalarina yönelik EEG işaretleri için öznitelik çikarma

    Feature extraction for EEG signals towards brain computer interface applications

    ÖNDER AYDEMİR

    Yüksek Lisans

    Türkçe

    Türkçe

    2008

    BiyomühendislikKaradeniz Teknik Üniversitesi

    Elektrik ve Elektronik Mühendisliği Bölümü

    DOÇ. DR. TEMEL KAYIKÇIOĞLU

  5. Classification methods for motor imagery based brain computer interfaces

    Motor hareket hayali tabanlı beyin bilgisayar arayüzleri için sınıflandırma metotları

    AYHAN YÜKSEL

    Doktora

    İngilizce

    İngilizce

    2016

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    PROF. DR. TAMER ÖLMEZ