Motor imagery EEG classification using algorithms and machine learning for als disease
Als hastalığı için makine öğrenimi ve algoritmalarla motor görüntüleme EEG sınıflandırması
- Tez No: 768353
- Danışmanlar: YRD. DOÇ. DR. TIMUR INAN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: İngilizce
- Üniversite: Altınbaş Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilişim Teknolojileri Ana Bilim Dalı
- Bilim Dalı: Bilişim Teknolojileri Bilim Dalı
- Sayfa Sayısı: 61
Özet
Serebrum PC arayüzü, sorunları insan duyu sistemini etkileyen temel rahatsızlıkların ışığına çıkarır. İnsan duyu sistemi, basit bir işaretleme bileşeni ile nöronların akıllara durgunluk veren bir organizasyonudur. Serebrum PC arayüzü, çerçevenin AI ve PC vizyonunu kullanarak hastalığı tanımak için insan zihni eylemini sürdürmesine izin verir. BCI bilgisine motor sembolizmi olarak atıfta bulunulur. Motor sembolizmi, tekrarlama ve zaman ile ilgili olarak planlanmış sabit olmayan bilgilerdir. Motor resminde tekrarlama, alfa, beta, gama ve delta gibi çeşitli işaret gruplarına ayrılmıştır. Bilgi ve yaygara kalıntılarının büyük bileşeni nedeniyle, kaydedilmiş sinyalle bant bölünmesi temel bir girişimdir. Bilgi planlama ve vektör geliştirme süreçleri bilgi azalmasını gerektirir, ancak bilgi azaltma süreci bazı bant saygısını kaybeder ve hastalık ve açık hastalık sorunlarının yeri için işaretin tam bandını düzeltemez. Bu derleme, motor sembolizmi EEG bilgisinden vurgu çıkarma ve EEG bilgisinin insan hastalığı ile karakterizasyonu etrafında odaklanmaktadır.
Özet (Çeviri)
The cerebrum PC interface brings issues to light of basic ailments influencing the human sensory system. The human sensory system is a mind boggling organization of neurons with a simple flagging component. The cerebrum PC interface permits the framework to keep human mind action to recognize sickness utilizing AI and PC vision. BCI information is alluded to as engine symbolism. Engine symbolism is non-fixed information that is planned regarding recurrence and time. In engine picture, recurrence is separated into various sign groups like alpha, beta, gamma, and delta. Because of the great component of information and clamor relics, band division with recoded signal is a basic undertaking. The information planning and vector development processes require information decrease, however the information decrease process loses some band esteem and can't correct the exact band of sign for the location of ailment and explicit sickness problems. This review centers around highlight extraction from engine symbolism EEG information and characterization of EEG information with human sickness.
Benzer Tezler
- Derin öğrenme yöntemleri ile EEG tabanlı motor imgeleme sinyallerinin sınıflandırılması
Classification of motor imagery EEG signals using deep learning methods
UMUT ÖZFİDAN
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolİSTANBUL NİŞANTAŞI ÜNİVERSİTESİYazılım Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ GÜLSÜM ŞANAL
DR. ÖĞR. ÜYESİ KÜBRA EROĞLU
- Beyin bilgisayar arayüzü uygulamalarında motor görüntüleme EEG sinyallerinin analizi için yeni yaklaşımlar
New approaches to analysis of motor imagery EEG signals in brain computer interface applications
ESRA KAYA
Doktora
Türkçe
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSelçuk ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. İSMAİL SARITAŞ
- Investigation of the effects of statistically significant features on the classification of EEG-based motor imagery tasks
İstatiksel anlamlı özniteliklerin EEG tabanlı motor hayali görevlerin sınıflandırmasındaki etkisinin araştırılması
MÜRŞİDE DEĞİRMENCİ
Doktora
İngilizce
2024
Mühendislik Bilimleriİzmir Katip Çelebi ÜniversitesiBiyomedikal Teknolojiler Ana Bilim Dalı
DOÇ. DR. YALÇIN İŞLER
DR. ÖĞR. ÜYESİ YILMAZ KEMAL YÜCE
- Elektroensefalografi tabanli beyin bilgisayar arayüzü sistemlerinde kullanilan kanallarin duygu tanima performans analizi
Emotion recognition performance analysis of electroencephalography based brain computer interface systems
FURKAN DOĞAN
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKocaeli ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. PINAR ONAY DURDU
- Motor imagery based mobile brain computer interface design using machine learning techniques
Makine öğrenmesi yöntemleri ile motor hareket hayali tabanlı mobil beyin bilgisayar arayüzü tasarımı
HAKAN AŞIK
Yüksek Lisans
İngilizce
2017
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
PROF. DR. ZÜMRAY DOKUR