EEG destekli sanal gerçeklik ortamındaki lokomosyon tekniklerinin nesnel ve öznel ölçümler açısından analizi
Analysis of locomotion techniques in EEG-supported virtual reality environment in terms of objective and subjective measurements
- Tez No: 943836
- Danışmanlar: DOÇ. DR. YAŞAR DAŞDEMİR
- Tez Türü: Yüksek Lisans
- Konular: Bilim ve Teknoloji, Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Nöroloji, Science and Technology, Computer Engineering and Computer Science and Control, Neurology
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Erzurum Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Biyomedikal Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Sanal gerçeklik (VR), bireyin fiziksel ortamda bilgisayar olanaklarından yararlanarak, bilgisayar tarafından simüle edilen üç boyutlu bir mekânda mevcudiyetini hissettiği teknolojik sistemlerdir. Bu sanal ortamlarda kullanıcıların hareket etmesine olanak tanıyan teknik ise VR Lokomosyon olarak adlandırılmaktadır. VR teknolojisinin giderek artan popülerliği ve kullanım alanlarının genişlemesiyle birlikte, sanal ortamlardaki farklı lokomosyon tekniklerinin kullanıcı deneyimi üzerindeki etkilerinin anlaşılması önem kazanmaktadır. Bu tez çalışmasında, EEG destekli sanal gerçeklik ortamındaki lokomosyon tekniklerinin nesnel ve öznel ölçümler açısından analizi amaçlanmıştır. On farklı VR lokomosyon tekniğinin (gerçek zamanlı yürüme, ışınlanma, kaydırma, sürekli, sürekli el, tırmanma, asılarak tırmanma, dokunma, yürüme ve koşma) kullanıcılar üzerindeki fizyolojik etkileri EEG sinyalleri kullanılarak nesnel olarak değerlendirilmiş ve öznel iş yükü algısı NASA-TLX ölçeği ile belirlenmiştir. Araştırma kapsamında, hazır VREEG veri seti kullanılmıştır. EEG verileri ön işlenerek zaman ve frekans tabanlı öznitelikler çıkarılmıştır. Lokomosyon tekniklerini sınıflandırmak için RF, SVM ve kNN makine öğrenmesi algoritmaları kullanılmıştır. NASA-TLX sonuçlarına göre, lokomosyon teknikleri özellikle fiziksel talep, çaba ve rahatsızlık düzeylerini anlamlı şekilde etkilemiştir (p <0,05). Tırmanma ve asılarak tırmanma teknikleri en yüksek iş yüküne neden olmuştur (p<0,05). EEG sınıflandırmasında, RF ve kNN algoritmaları yüksek doğrulukla başarılı performans göstermiştir. Korelasyon analizleri, sınıflandırma doğruluğu ile zihinsel talep ve rahatsızlık arasında negatif, fiziksel talep ve çaba arasında ise pozitif ilişkiler bulmuştur. Bu çalışma, VR lokomosyon tekniklerinin kullanıcılar üzerinde farklı yükler oluşturduğunu ve EEG'nin bu yükü nesnel sınıflandırmada kullanılabileceğini göstermiştir. Sonuçlar, kullanıcı deneyimini iyileştirmek için lokomosyon tekniği seçiminin önemini vurgulamaktadır.
Özet (Çeviri)
Virtual reality (VR) systems are technological systems where individuals experience a sense of presence in a computer-simulated three-dimensional space by utilizing computer capabilities within the physical environment. The technique that allows users to move in these virtual environments is called VR Locomotion. With the increasing popularity and expanding application areas of VR technology, understanding the effects of different locomotion techniques in virtual environments on user experience is becoming important. This thesis study aimed to analyze locomotion techniques in an EEG-supported virtual reality environment in terms of objective and subjective measurements. The physiological effects on users of ten different VR locomotion techniques (real-time walking, teleportation, shifting, continuous, continuous hand, climbing, hanging climbing, touching, walking, and running) were evaluated objectively using EEG signals, and the subjective workload perception was determined with the NASA-TLX scale. The readily available VREEG dataset was used within the scope of the research. EEG data were preprocessed and time and frequency-based features were extracted. RF, SVM, and kNN machine learning algorithms were used to classify locomotion techniques. According to the NASA-TLX results, locomotion techniques significantly affected physical demand, effort, and frustration levels (p <0.05). Climbing and hanging climbing techniques resulted in the highest workload (p<0.05). In EEG classification, RF and kNN algorithms showed successful performance with high accuracy. Correlation analyses found negative relationships between classification accuracy and mental demand and frustration, and positive relationships between physical demand and effort. This study showed that VR locomotion techniques create different loads on users and that EEG can be used for objective classification of this load. The results emphasize the importance of selecting locomotion techniques to improve user experience.
Benzer Tezler
- Türkiye'de serebral hareket bozukluklarının etiyolojisi epidemiyolojisi ve bazı klinik özellikleri
Başlık çevirisi yok
AŞER BENSUSAN
Tıpta Uzmanlık
Türkçe
1986
Çocuk Sağlığı ve Hastalıklarıİstanbul ÜniversitesiÇocuk Sağlığı ve Hastalıkları Ana Bilim Dalı
- Dönemsel yayınlarımızda reklamcılık işlevi ve basının kamuoyu oluşturma görevi ile ilişkisi
Başlık çevirisi yok
NEYLAN GÖNLÜYÜCE
Yüksek Lisans
Türkçe
1987
Gazetecilikİstanbul ÜniversitesiGazetecilik Ana Bilim Dalı
PROF. DR. KAYIHAN İÇEL
- Amorf silisyum karbür filmlerinin hazırlanması ve çeşitli fiziksel özelliklerinin ölçümü
Başlık çevirisi yok
RAMAZAN ESEN
Doktora
Türkçe
1986
Fizik ve Fizik MühendisliğiÇukurova ÜniversitesiFizik Ana Bilim Dalı
PROF. DR. REMZİ ENGİN