Elektroensefalografi ve yakın kızılötesi spektroskopi tabanlı hibrit model kullanarak beyin bilgisayar arayüzü sisteminin performansının arttırılması
Improving the performance of brain computer interface system using electroencephalography and near infrared spectroscopy-based hybrid model
- Tez No: 794349
- Danışmanlar: DOÇ. DR. ÖNDER AYDEMİR
- Tez Türü: Doktora
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Elektroensefalografi, Hibrit model, Electroencephalography, Hybrid model
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Karadeniz Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Beyin Bilgisayar Arayüzü (BBA)'lar çeşitli beyin aktivitesini ölçen cihazlardan alınan sinyalleri giriş olarak kullanabilir. Bunlar arasından elektroensefalografi (EEG) diğer yöntemlere göre bazı avantajlara sahip olmasından dolayı BBA çalışmalarında yaygın kullanılmaktadır. Ancak, bu çalışmalar ile BBA sistemlerinin performansının etkin olmaması, benzer deney içeriklerine sahip çalışmaların yaygınlığı ve yeni deney içerikli çalışmaların ise bazı dezavantajlara sahip olması araştırmacıları deney paradigması tabanlı çalışmalara yönlendirmektedir. Buna ek olarak nöral aktiviteyi kaydetmeye yarayan beyin görüntüleme yöntemlerinin kendilerine özgü avantaj ve dezavantajları vardır. Bu bakış açısına dayanarak, birbirlerinin dezavantajlarını telafi eden çoklu sinyal kayıt yöntemlerinin birleştirilmesinin BBA sisteminin performansını artıracağı söylenebilir. EEG'nin aksine, diğer yöntemler arasından yakın kızılötesi spektroskopisi (YKS), vücut hareketlerine ve elektrikli ürünlere karşı göreceli sağlamlık avantajına sahiptir. Bu tez çalışmasında özgün deney paradigmasına sahip 4 sınıflı hibrit EEG+YKS veri kümesi kaydedilmiştir. Sağa, sola, yukarıya ve aşağıya kayan yazı okumaya dayalı bu özgün veri kümesinin hibrit modalite kullanımı ile yüksek başarımlı bir BBA sistemi önerilmiştir. EEG+YKS veri kümesi, FHD-2020-9166 nolu Karadeniz Teknik Üniversitesi BAP projesi kapsamında destek alınarak hizmet alımı ile Atatürk Üniversitesinde kaydedilmiştir. Daha hızlı ve doğru BBA sisteminin oluşturulmasının amaçlandığı bu tez çalışmasında, veri kümesinden Hilbert Dönüşümü kullanarak öznitelikler çıkarılmış ardından öznitelikler k-en yakın komşu algoritması ile sınıflandırarak hibrit model ile %96.28±1.30 sınıflandırma doğruluğu hesaplanarak yüksek performanslı bir hibrit BBA sistemi önerilmiştir.
Özet (Çeviri)
Brain Computer Interface (BCI)'s can use signals from various brain activity measuring devices as inputs. Among these, electroencephalography (EEG) is widely used in BCI studies because it has some advantages over other methods. However, the ineffectiveness of the performance of BCI systems with these studies, the prevalence of studies with similar experimental content, and the fact that studies with new experimental content have some disadvantages lead researchers to experimental paradigm-based studies. In addition, neuroimaging methods for recording neural activity have their own advantages and disadvantages. Based on this point of view, it can be said that combining multiple signal recording methods that compensate for each other's disadvantages will improve the performance of the BCI system. Unlike EEG, among other methods, near infrared spectroscopy (NIRS) has the advantage of relative robustness against body movements and electrical products. In this thesis, a 4-class hybrid EEG+ NIRS dataset with a unique experimental paradigm was recorded. A high performance BCI system is proposed by using hybrid modality of this original dataset based on right, left, up and down scrolling text reading. The EEG+ NIRS dataset was recorded at Atatürk University with the support of the Karadeniz Technical University BAP project numbered FHD-2020-9166 and service procurement. In this thesis study, which aims to create a faster and more accurate BCI system, features are extracted from the dataset using Hilbert Transform, then the features are classified with the k-nearest neighbor algorithm and a high-performance hybrid BCI system is proposed by calculating 96.28%±1.30 classification accuracy with the hybrid model.
Benzer Tezler
- Beynin stroop testi uyaranlarına verdiği elektroensefalografi ve fonksiyonel yakın kızılötesi spektroskopi tabanlı cevapların, sinyal işleme ve makine öğrenmesi metotlarıyla değerlendirilmesi
Evaluation of the brain's responses to stroop test stimuli using electroencephalography and functional near-infrared spectroscopy based on signal processing and machine learning methods
ELİF UĞURGÖL
Yüksek Lisans
Türkçe
2024
Mühendislik BilimleriErciyes ÜniversitesiBiyomedikal Mühendisliği Ana Bilim Dalı
PROF. DR. AYŞEGÜL GÜVEN
- Yaygın gelişimsel bozukluğu (Otizm spektrumu) olan çocuklarda klinik ve elektroensefalografi bulguları.
Başlık çevirisi yok
SEMİH AYTA
Tıpta Uzmanlık
Türkçe
2006
Nörolojiİstanbul ÜniversitesiNöroloji Ana Bilim Dalı
PROF. DR. MEFKURE ERAKSOY
- Işık uyarı şiddetinin ani değiştirilmesinin elektroensefalografinin (EEG) genliğine etkisi
Başlık çevirisi yok
AYŞE MERCANGÖZ
Yüksek Lisans
Türkçe
1985
FizyolojiAnadolu ÜniversitesiBiyoloji Ana Bilim Dalı
YRD. DOÇ. DR. ABDULLAH ARSLAN
- Kısa süreli bellek sürecinde neokorteksin düşük frekanslı elektriksel aktivitesindeki değişiklikler
Başlık çevirisi yok
SACİT KARAMÜRSEL
Tıpta Uzmanlık
Türkçe
1988
Fizyolojiİstanbul ÜniversitesiFizyoloji Ana Bilim Dalı
PROF. DR. NURAN GÖKHAN
- Elektrofizyolojik ölçümler için düşük gürültülü, mikro-işlemci kontrollu çalışabilen genel amaçlı yükselteç
Başlık çevirisi yok
MEHMET ENGİN
Yüksek Lisans
Türkçe
1987
Elektrik ve Elektronik MühendisliğiMarmara ÜniversitesiYRD. DOÇ. DR. BURHANETTİN CAN