Improved algorithm for eeg – based bci application
Eeg tabanlı bcı uygulamaları için geliştirilmiş algoritmalar
- Tez No: 684589
- Danışmanlar: DOÇ. DR. INDRIT MYDERRİZİ
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: İngilizce
- Üniversite: İstanbul Gelişim Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Elektrik Elektronik Mühendisliği Bilim Dalı
- Sayfa Sayısı: 71
Özet
Beyin Bilgisayar Arayüzü, beyin dalgası kontrollü birimleri kullanan birçok uygulamada bireylerin Elektroensefalografi (EEG) sinyalleri aracılığıyla cihazlarla iletişim kurmasını sağlar. Bir dronun hareketlerini göz kırpma ve dikkat seviyesi sinyalleri ile kontrol etmek için EEG dalgalarını kullanan yeni algoritmalar sunulmuştur. Elde edilen sinyal tanımanın optimizasyonu, göz kırpmanın bir Destek Vektör Makinesi algoritması ile sınıflandırılması ve yapay sinir ağı üzerinden 4 bitlik kodlara dönüştürülmesi ile gerçekleştirilir. Lineer Regresyon Yöntemi, dikkat seviyesini dinamik bir eşikle düşük veya yüksek seviyeye kategorilere ayırmak için kullanılır ve 1 bitlik bir kod üretir. Algoritmadaki hareketlerin kontrolü iki kontrol katmanı ile yapılandırılmıştır. İlk katman, göz kırpma sinyalleri ile kontrol sağlarken, ikinci katman hem göz kırpma hem de algılanan dikkat seviyeleri ile kontrol sağlamaktadır. EEG sinyalleri, tek kanallı NeuroSky mindwave 2 cihazı kullanılarak çıkarılır ve işlenir. Önerilen algoritmalar, farklı yaşlardaki beş kişinin deneysel olarak test edilmesiyle doğrulanmıştır. Sonuçlar, 9 kontrol komutu için% 91.85 ve% 90.37 doğrulukla mevcut algoritmalara kıyasla yüksek performansını göstermektedir. 16 komuta kadar kapasitesi ve yüksek doğruluğu ile algoritmalar birçok uygulama için uygun olabilir.
Özet (Çeviri)
Brain Computer Interface enables individuals to communicate with devices through Electroencephalography (EEG) signals in many applications that use brainwave controlled units. New algorithms using EEG waves for controlling the movements of a drone by eye-blinking and attention level signals are presented. Optimization of the signal recognition obtained is carried out by classifying the eye-blinking with a Support Vector Machine algorithm and converting it into 4-bit codes via an artificial neural network. Linear Regression Method is used to categorize the attention level to low or high level with a dynamic threshold, yielding a 1-bit code. The control of the motions in the algorithm is structured with two control layers. The first layer provides control with eye-blink signals, the second layer with both eye-blink and sensed attention levels. EEG signals are extracted and processed using a single channel NeuroSky mindwave 2 device. The proposed algorithms have been validated by experimental testing of five individuals of different ages. The results show its high performance compared to existing algorithms with accuracies of 91.85% and 90.37% for 9 control commands. With a capability of up to 16 commands and its high accuracy, the algorithms can be suitable for many applications.
Benzer Tezler
- Psikofizyolojik ölçüm tabanlı beyin bilgisayar arayüz sistemlerinde performans artırmaya yönelik bir çalışma
A study on performance increasing in psychophysiological measurement based brain-computer interface systems
ERDEM ERKAN
Doktora
Türkçe
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKarabük ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET AKBABA
- 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
- Ortam kontrol uygulamasına yönelik p300 tabanlı asenkron beyin bilgisayar arayüzü tasarımı ve uygulaması
Design and implementation of p300 based asyncronous brain computer interface for environment control applications
EDA AKMAN AYDIN
Doktora
Türkçe
2015
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGazi ÜniversitesiElektronik-Bilgisayar Eğitimi Ana Bilim Dalı
PROF. DR. İNAN GÜLER
- EEG data classification using multilinear regression model
Çoklu doğrusal regresyon modeli kullanarak EEG verilerinin sınıflandırılması
AYŞE AKGÜN DEMİR
Yüksek Lisans
İngilizce
2019
BiyoistatistikBoğaziçi ÜniversitesiBiyomedikal Mühendisliği Ana Bilim Dalı
PROF. DR. AHMET ADEMOĞLU
- Riemannian geometry-based advance signal processing pipeline for EEG-based BCI
Beyin-bilgisayar arayüzlerine yönelik riemann geometrisi ile ileri sinyal işleme yaklaşımı
FATİH ALTINDİŞ
Doktora
İngilizce
2023
Elektrik ve Elektronik MühendisliğiAbdullah Gül ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. BÜLENT YILMAZ