Hibrit (EEG- NIRS) beyin bilgisayar arayüzü sistemlerinde sınıflandırma performansının iyileştirilmesi
Improving classification performance in hybrid (EEG and NIRS) brain computer interface systems
- Tez No: 809309
- Danışmanlar: DR. ÖĞR. ÜYESİ YAŞAR DAŞDEMİR
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Biyomühendislik, Biyoteknoloji, Computer Engineering and Computer Science and Control, Bioengineering, Biotechnology
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Erzurum Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Biyomedikal Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 53
Özet
Beyin Bilgisayar Arayüzü (BBA), kişinin beyninde gerçekleşen sinirsel aktiviteler sonucunda elde edilen sinyallerin bir bilgisayar sistemi kullanılarak komut olarak işlenmesini sağlayan sistemdir. BBA sistemi bir kullanıcı, bilgisayar ve çevre birimlerinden oluşmaktadır. Temsili beyin sinyallerini görüntüleme sistemlerinin başında EEG ve NIRS gelmektedir. BBA sistemlerinin başarımı sınıflandırıcı başarımı ile doğru orantılıdır. Hibrit sistemler tek taraflı sistemlerin sınırlamalarını aşmak ve sınıflandırıcının doğruluğunu arttırmak için kullanılır. Yaptığımız bu çalışmada kullanımı açık olan bir veri seti üzerinde öznitelik çıkarımlar yapıldıktan sonra Çoklu Örnek Öğrenimi yöntemi uygulanmış ve çeşitli sınıflandırıcıların performansları ölçülmüştür. Öznitelik çıkarımı işlemleri zaman etki alanı ile frekans etki alanında yapılmıştır. Sınıflandırıcı olarak en çok bilinen sınıflandırma algoritmaları olan Naive Bayes, Rastgele Ormanlar, k-En Yakın Komşu, Doğrusal Ayırtaç Analizi ve Destek Vektör Makineleri kullanılmıştır. Öznitelik seviyesinde yapılan füzyon işlemi performansı olumlu yönde etkilemiştir. EEG-DEOXY hibrit sisteminden elde edilen ikili sınıflandırma başarımı k-En Yakın Komşu algoritması ile 0.985 doğruluk olarak elde edilmiştir. Çoklu Örnek Öğrenimi algoritması sınıflandırma performanslarını olumlu yönde etkilemiştir.
Özet (Çeviri)
A brain-Computer Interface (BCI) is a system that enables the signals obtained from neural activities in a person's brain to be processed as commands using a computer system. A BCI system consists of a user, a computer, and peripherals. EEG and NIRS are the primary imaging systems for representative brain signals. The performance of BCI systems is directly proportional to the classifier's performance. Hybrid systems are used to overcome the limitations of one-sided systems and increase the accuracy of the classifier. In this study, after feature extractions were made on a data set that is open to use, the Multiple Instance Learning method was applied, and the performances of various classifiers were measured. Feature extraction operations were performed in the time domain and frequency domain. Naive Bayes, Random Forests, k-Nearest Neighbor, Linear Discriminant Analysis, and Support Vector Machines, the most well-known classification algorithms, are classifiers. The fusion at the attribute level positively affected the performance. The binary classification performance obtained from the EEG-DEOXY hybrid system was 0.985 with the k-Nearest Neighbor algorithm. The Multiple-Instance Learning algorithms positively affected the classification performances.
Benzer Tezler
- 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
EBRU ERGÜN
Doktora
Türkçe
2023
Elektrik ve Elektronik MühendisliğiKaradeniz Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. ÖNDER AYDEMİR
- 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
- Hybrid electroencephalogram (Eeg) - functional near-infrared spectroscopy (Fnirs) brain-computer interface (BCI) classification of motor imagery tasks
Motor görüntü görevlerinin hibrit elektroensefalografi (Eeg)- işlevesel kızılötesine yakın spektroskopi (Fnirs) beyin bilgisayar ara birimi (BCI) sınıflandırması
MUSTAFA AMER HASAN HASAN
Yüksek Lisans
İngilizce
2019
Mekatronik MühendisliğiAtılım ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
Assoc. Prof. Dr. MUHAMMAD UMER KHAN
- Dikkat eksikliği ve hiperaktivite bozukluğu olan çocuklarda bilişsel fonksiyonların elektroensefalografi, uyarılmış potansiyel ve fonksiyonel yakın kızılötesi spektroskopisi yöntemleriyle incelenmesi
Investigation of cognitive functions of children with attention deficiency and hyperactivity disorder via electroencephalography, evoked potentials and functional near-infrared spectroscopy
MİRAY ALTINKAYNAK
Doktora
Türkçe
2021
Mühendislik BilimleriErciyes ÜniversitesiBiyomedikal Mühendisliği Ana Bilim Dalı
PROF. DR. AYŞEGÜL GÜVEN
- Hybrid and model based approaches for new BCI spellers
Hibrit ve model bazlı yeni heceleyici beyin-bilgisayar arayüzleri
SULEMAN AIJAZ MEMON
Yüksek Lisans
İngilizce
2019
Elektrik ve Elektronik Mühendisliğiİhsan Doğramacı Bilkent ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. YUSUF ZİYA İDER