Beyin bilgisayar arayüz (BBA) sistemleri için yeni bir yaklaşım
A new approach for brain-computer interface (BCI) systems
- Tez No: 939473
- Danışmanlar: DOÇ. DR. LEVENT GÖKREM, DOÇ. DR. MESUT MELEK
- Tez Türü: Doktora
- Konular: Mekatronik Mühendisliği, Mechatronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Tokat Gaziosmanpaşa Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Mekatronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Fen Bilimleri Bilim Dalı
- Sayfa Sayısı: 107
Özet
Bu tez çalışması kapsamında önerilen hibrit BBA sistemi, iki farklı EEG cihazı kullanılarak test edilmiş ve hem teknik performans hem de kullanıcı deneyimi açısından kapsamlı bir değerlendirme yapılmıştır. Emotiv Epoc X cihazıyla gerçekleştirilen sistemde, geleneksel Durgun Durum Görsel Uyaran Potansiyel (DDGUP) tabanlı yaklaşımlardaki görsel uyaran bağımlılığı azaltılarak, DDGUP ve EOG sinyallerinin birlikte değerlendirildiği yenilikçi bir yapı sunulmuştur. Kullanıcının doğrudan odaklanmasını gerektiren görsel uyaranların olumsuz etkilerini azaltmak amacıyla, ekranın üst kısmına düşük frekanslı (7Hz) tek bir LED yerleştirilmiş ve bu LED, istemli aktivasyonu doğrulayan bir kontrol katmanı olarak işlev görmüştür. EOG sinyallerinden elde edilen artefaktlarla kullanıcı yönü başarıyla belirlenmiştir. Yapılan iki aşamalı sınıflandırmada, Rastgele Orman (RO) algoritması birinci aşamada %99.57, ikinci aşamada ise %97.83 Doğruluk Oranı (DO) ve 36.75 (bit/dk) Bilgi Aktarım Hızı (BAH) sağlamıştır. Genel değerlendirmede %97.42 doğruluk oranı ve 35.75 (bit/dk) BAH ile sistemin teknik başarımı doğrulanmıştır. Öte yandan, Emotiv Flex EEG cihazı ile geliştirilen diğer sistemde de benzer bir iki aşamalı hibrit yapı uygulanmış; DDGUP ve EOG sinyalleri sıralı olarak değerlendirilmiştir. İlk aşamada, 7Hz frekansındaki LED yardımıyla güvenli aktivasyon sağlanmış, ikinci aşamada ise EOG sinyalleriyle dört yönlü nesne takibi gerçekleştirilmiştir. Bu sistem, yalnızca teknik doğruluk değil, aynı zamanda oturumlar arası kararlılık hedeflenerek tasarlanmıştır. İki farklı oturumda elde edilen veriler Korelasyon Hizalama (KH) tabanlı domain adaptasyon yöntemi ile işlenmiş ve yeniden kalibrasyon ihtiyacı olmaksızın sistemin güvenilir çalıştığı gösterilmiştir. Torbalama Algoritması (TA) birinci aşamada %99.12, ikinci aşamada ise %94.29 DO, 38.35 (bit/dk) BAH, %94.55 hassasiyet ve %94.42 F1-skoru ile en yüksek performansı sağlamıştır. Her iki sistemde de kullanıcı konforu üzerine yoğunlaşılmış; düşük frekanslı LED tercihleri, hareket temelli yönlendirme yapısı ve sınırlı sayıda EEG kanalı ile hem görsel yorgunluk hem de sistem karmaşıklığı minimize edilmiştir. Özellikle Emotiv Epoc X sisteminde EOG'ye dayalı istemsiz aktivasyonlar kontrol altına alınırken, Emotiv Flex sisteminde oturumlar arası kararlılık güvence altına alınmıştır. Sonuç olarak, iki cihaz kullanılarak geliştirilen hibrit BBA sistemi, kullanıcı ergonomisini göz ardı etmeden yüksek sınıflandırma başarımı, sistem kararlılığı ve güvenilirlik sunarak laboratuvar ortamlarından günlük yaşama geçiş için güçlü bir aday olduğunu ortaya koymuştur.
Özet (Çeviri)
Within the scope of this thesis, the proposed hybrid BCI system was tested using two different EEG devices and a comprehensive evaluation was made in terms of both technical performance and user experience. In the system implemented with the Emotiv Epoc X device, an innovative structure was presented in which Steady State Visually Evoked Potential (SSVEP) and EOG signals are evaluated together, reducing the visual stimulus dependency in traditional visual stimuli-based approaches. In order to reduce the negative effects of visual stimuli that require the user to focus directly, a single low-frequency (7Hz) LED was placed on top of the screen and this LED served as a control layer that verified voluntary activation. The user orientation was successfully determined by EOG artefacts obtained from EEG signals. In the two-stage classification, the Random Forest (RF) algorithm provided 99.57% accuracy in the first stage and 97.83% accuracy and 36.75 (bit/min) Information Transfer Rate (ITR) in the second stage. In the overall evaluation, the technical performance of the system was verified with 97.42% accuracy and 35.75 (bit/min) ITR. On the other hand, a similar two-stage hybrid structure was applied in the other system developed with the Emotiv Flex EEG device; SSVEP and EOG signals were evaluated sequentially. In the first stage, safe activation was achieved with the help of LED at 7Hz frequency, and in the second stage, four-way object tracking was performed with EOG signals. This system was designed with the aim of not only technical accuracy but also inter-session stability. The data obtained in two different sessions were processed with the Correlation Alignment (CORAL) based domain adaptation method and it was shown that the system works reliably without the need for recalibration. Bagging Algorithm provided the highest performance with 99.12% accuracy in the first stage and 94.29% accuracy, 38.35 (bit/min) ITR, 94.55% precision and 94.42% F1-score in the second stage. In both systems, user comfort is prioritized; low-frequency LED preferences, motion-based guidance structure and limited number of EEG channels minimize both visual fatigue and system complexity. In particular, in the Emotiv Epoc X system, involuntary activations based on EOG are controlled, while in the Emotiv Flex system, inter-session stability is ensured. As a result, the hybrid BCI system developed using two devices has proven to be a strong candidate for the transition from laboratory environments to daily life by offering high classification performance, system stability and reliability without neglecting user ergonomics.
Benzer Tezler
- Disjunctive normal unsupervised LDA for P300-based brain-computer interfaces
P300 tabanlı beyin-bilgisayar arayüzleri için ayırıcı normal gözetimsiz DAA
MAJED ELWARDY
Yüksek Lisans
İngilizce
2016
Elektrik ve Elektronik MühendisliğiSabancı ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
Assoc. Prof. Dr. MÜJDAT ÇETİN
- Analysis of the brain's network based on electroencephalograms and classification of movement events using connectivity maps and features
Elektroensefalogramlara dayalı beyin ağı analizi ve hareket olaylarının bağlantı haritaları ve özellikler kullanılarak sınıflandırılması
SALİH MENDİ
Yüksek Lisans
İngilizce
2025
Elektrik ve Elektronik MühendisliğiÇukurova ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. AHMET AYDIN
- Towards adaptive brain-computer interfaces: Statistical inference for mental state recognition
Uyarlanabilir beyin-bilgisayar arayüzlerine doğru: Zihinsel durum tanıma için istatistiksel çıkarım
MASTANEH TORKAMANI AZAR
Doktora
İngilizce
2020
BiyomühendislikSabancı ÜniversitesiElektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. MÜJDAT ÇETİN
Prof. Dr. SELİM SAFFET BALCISOY
- An HMM-PCA approach for EEG-based brain computer interfaces (BCIs)
EEG tabanlı beyin bilgisayar arayuzleri için HMM-PCA Yaklaşmı
ALİ ÖZGÜR ARGUNŞAH
Yüksek Lisans
İngilizce
2010
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSabancı ÜniversitesiElektronik Mühendisliği ve Bilgisayar Bilimi Ana Bilim Dalı
YRD. DOÇ. DR. BARAN ÇÜRÜKLÜ
YRD. DOÇ. DR. MÜJDAT ÇETİN
- An affective framework for brain computer interfaces using transfer learning in virtual environments
Sanal ortamlarda transfer öğrenme kullanılarak beyin bilgisayar arayüzleri için duyuşsal çerçeve oluşturulması
MEHMET ALİ SARIKAYA
Doktora
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. GÖKHAN İNCE