Bilişsel yorgunluğun EEG işaretleri ile sınıflandırılması
Classification of cognitive fatigue with eeg signs
- Tez No: 687077
- Danışmanlar: DOÇ. DR. ÖNDER AYDEMİR
- Tez Türü: Yüksek Lisans
- Konular: Mühendislik Bilimleri, Engineering Sciences
- Anahtar Kelimeler: Bilişsel Yorgunluk, Elektroensefalografi (EEG), Mel Frekans Kepstral Katsayısı (MFKK), Gammatone Kepstral Katsayısı (GTKK), Cognitive Fatigue, Electroencephalography (EEG), Mel Frequency Cepstral Coefficient (MFCC), Gammatone Cepstral Coefficient (GTCC
- Yıl: 2021
- Dil: Türkçe
- Üniversite: Karadeniz Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 108
Özet
Bilişsel yorgunluk, beyinin aşırı aktivitesinden kaynaklanır. Uzun süreli konsantrasyon, yüksek risk altında stresli çalışma ve uykusuzluk gibi diğer faktörlerden de kaynaklanabilir. Bilişsel yorgunluk üretkenliğin azalmasına ve güvenlik risklerinin artmasına yol açar. Bu tez çalışmasında bilişsel yorgunluk öznel verilere bağlı kalmadan hızlı ve doğru bir şekilde tespit edilmek istenmiştir. Bunun için CogBeacon veri seti kullanılmıştır. Bu veri seti 19 kadın ve erkek katılımcıdan iki oturumda gerçekleştirilen 76 bilişsel görev esnasında, 4 elektrotlu MUSE EEG cihazı yardımıyla toplanmıştır. Toplanan ham EEG rast gele ayrılmıştır. Genelde ses sinyallerinin analizinde kullanılan 12 farklı katsayının hesabı yapılarak sınıflandırma işlemi yapılmıştır. Öznitelik olarak OK, LD, OMD, DOMD1, DOMD2 ve GOMD denenmiştir. En iyi sonuçlar MFKK ve GTKK hesapladıktan sonra k-EYK ve DVM algoritmalarıyla yapılan sınıflandırma işlemleri sonucu elde edilmiştir. MFKK hesaplandıktan sonra yapılan sınıflandırmada k-EYK sınıflandırma doğruluğu %78.72, DVM sınıflandırma doğruluğu %78.43, aynı şekilde GTKK hesaplandıktan sonra yapılan sınıflandırmada k-EYK sınıflandırma doğruluğu %78.08, DVM sınıflandırma doğruluğu %76.61 olarak hesaplanmıştır.
Özet (Çeviri)
Cognitive fatigue is caused by excessive activity of the brain. It can be caused by other factors such as prolonged, high-risk stress work and insomnia. Cognitive fatigue leads to decreased productivity and increased safety risks. In this thesis, it was aimed to determine cognitive fatigue quickly and accurately without depending on subjective data. For this, CogBeacon data set was used. This dataset was renewed from 19 female and male participants, including 76 cognitive tasks in two sessions, with a 4-electrode MUSE EEG headset. The raw EEG collected was randomly assigned. The classification process was made by calculating the 12 different coefficients generally used in the analysis of audio signals. Root mean square, log detector, mean absolute value, modified mean absolute value 1, modified mean absolute value 2 and enhanced mean absolute value have been tested as attributes. The best results were obtained as a result of the classification processes made with KNN and SVM algorithms after calculating MFCC and GTCC. In the classification made after the calculation of the MFCC, the classification accuracy with KNN is 78.72% and SVM classification accuracy as 78.43%. In the classification made after the calculation of GTCC, KNN classification accuracy was calculated as 78.08% and SVM classification accuracy as 76.61%.
Benzer Tezler
- Modelling the neocortical pyramidal neurons and their group behaviour
Neokortikal piramid nöronların modellemesi ve grup davranışları
SADEEM NABEEL SALEEM KBAH
Yüksek Lisans
İngilizce
2013
Biyomühendislikİstanbul Teknik ÜniversitesiElektronik-Haberleşme Eğitimi Ana Bilim Dalı
DOÇ. DR. NESLİHAN SERAP ŞENGÖR
- Bilişsel yorgunluğun EEG sinyallerinin gama bandından tespiti
Detection of cognitive fatigue from gamma band of EEG signals
SEVDE GÜL KORKMAZ
Yüksek Lisans
Türkçe
2022
Elektrik ve Elektronik MühendisliğiKaradeniz Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. ÖNDER AYDEMİR
- Stres ve zihinsel yorgunluğun fiziksel ve fizyolojik ölçümlerle değerlendirilmesi
Evaluation of stress and mental fatique with physical and physiological measurements
SERDAR GÜNDOĞDU
Doktora
Türkçe
2019
Elektrik ve Elektronik MühendisliğiAkdeniz ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ÖVÜNÇ POLAT
- Zihinsel yorgunluk bulgularının fizyolojik sinyallere dayalı analizi
Analysis of signs of mental fatigue based on physiological signals
ŞEYMA DERDİYOK
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Kültür ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. FATMA PATLAR AKBULUT
- Imperceptible grating based steady-state motion visual evoked potentials brain-computer interface for spatial navigation
Yüksek frenakslı merkezi gabor tabanlı sabit durum hareket görsel uyarılmış potansiyelleri ile mekansal navigasyon için beyin bilgisayar arayüzü
BARTU ATABEK
Yüksek Lisans
İngilizce
2024
Bilim ve TeknolojiOrta Doğu Teknik ÜniversitesiBilişsel Bilim Ana Bilim Dalı
DOÇ. DR. MURAT PERİT ÇAKIR