Brain computer interfacing (BCI) data analysis using graph signal processing
Çizge sinyal işleme ile beyin bilgisayar arayüzü verilerinin analizi
- Tez No: 674586
- Danışmanlar: PROF. DR. AHMET ADEMOĞLU
- Tez Türü: Yüksek Lisans
- Konular: Mühendislik Bilimleri, Engineering Sciences
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: Türkçe
- Üniversite: Boğaziçi Üniversitesi
- Enstitü: Biyo-Medikal Mühendislik Enstitüsü
- Ana Bilim Dalı: Biyomedikal Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- 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
- Spatial decoding of oscillatory neural activity for brain computer interfacing
Beyin makine arayüzleri için salınımlı beyin işaretlerinin uzamsal çözümlemesi
İBRAHİM ONARAN
Doktora
İngilizce
2013
Biyomühendislikİhsan Doğramacı Bilkent ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. AHMET ENİS ÇETİN
YRD. DOÇ. DR. NURİ FIRAT İNCE
- 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
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. AHMET ÇINAR
- 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
2009
Elektrik ve Elektronik MühendisliğiKaradeniz Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. TEMEL KAYIKÇIOĞLU
- 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
2008
BiyomühendislikKaradeniz Teknik ÜniversitesiElektrik ve Elektronik Mühendisliği Bölümü
DOÇ. DR. TEMEL KAYIKÇIOĞLU
- 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