Geri Dön

Beyin bilgisayar arayüzü uygulamalarina yönelik EEG işaretleri için öznitelik çikarma

Feature extraction for EEG signals towards brain computer interface applications

PDF İndir

  1. Tez No: 179221
  2. Yazar: ÖNDER AYDEMİR
  3. Danışmanlar: DOÇ. DR. TEMEL KAYIKÇIOĞLU
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Biyomühendislik, Electrical and Electronics Engineering, Bioengineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2008
  8. Dil: Türkçe
  9. Üniversite: Karadeniz Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik ve Elektronik Mühendisliği Bölümü
  12. Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Elektroensefalografi (EEG) işaretleri, beyin yüzeyinden elektrotlarla algılanan düşük genlikli biyoelektrik işaretlerdir. Bu işaretlerin genliği tepeden tepeye 1-400 ?V ve frekans bandı ise 0.5-100 Hz aralığında bulunmaktadır. EEG işaretlerinin beyin aktiviteleri ile ilgili çok miktarda bilgi içermesinden dolayı son yıllarda bu alandaki araştırmalar, tıp ve mühendislik bilimlerinde hız kazanmıştır. Tıbbi alanda, bu işaretler nörolojik hastalıkların teşhis edilmesinde ve seçilen tedavi yöntemlerinin başarımlarının izlenmesinde önemli rol oynamaktadır. Mühendislik alanında, düşünsel ve görsel uygulamalar süresince kaydedilmiş olan EEG işaretlerinden çıkartılan özniteliklere dayalı sınıflandırma beyin bilgisayar arayüzleşmesi için önemli bilgi sağlar. Beyin Bilgisayar Arayüzleri (BBA), kişilerin kas sistemlerini bir başka deyişle motor sinir sistemlerini kullanmadan bir bilgisayarı, elektromekanik bir kolu ya da çeşitli nöroprotezleri kullanmalarını olanaklı hale getirmektedirler. Günümüzde BBA uygulamaları için EEG, tek hücre kayıtlamaları (SCR), fonksiyonel manyetik rezonans görüntüleme (fMRI), bölgesel alan potansiyelleri (LFP), yakın infrared spektroskopisi (NIRS), elektrokorti¬gografi (ECoG), magnetoensefalografi (MEG) gibi teknikler kullanılmaktadır. Bu teknikler içerisinde, pratik olarak elde edilmesi ve uygulanması kolay olduğundan BBA sistemleri için genel olarak EEG seçilmektedir .BBA tabanlı EEG alanında yapılan araştırmalardaki amaç, mevcut yöntemlerden daha yüksek sınıflandırma oranına ve beyin-bilgisayar arayüzleşme veri hızına sahip bir yöntem geliştirmektir.Bu tez çalışmasında, literatürde kullanılan farklı düşünsel ve görsel uygulamalarda elde edilmiş bir EEG veri kümesi üzerinde çalışıldı. Bu EEG veri kümesinden öznitelik çıkartımı çeşitli matematiksel yöntemlerle analiz edilerek incelendi. Bulunan özniteliklere göre Destek Vektör Makineleri ve KNN sınıflayıcısı kullanılarak sınıflandırma yapılmıştır. Tüm bu çalışmalar daha yüksek sınıflandırma oranı ve yüksek beyin bilgisayar arayüzleşmesi veri hızı elde edebilmek amacı gözetilerek gerçekleştirilmiştir.

Özet (Çeviri)

Electroencephalography (EEG) signals are the low amplitude bioelectrical signals which are received from brain surface. Those signals? peak to peak amplitude is 1-400 ?V and frequency band situates between 0.5-100 Hz. Since EEG signals include much information about brain activities, in last years the research in this area has accelerated in the fields of medicine and engineering. In the field of medicine, those signals play an important role in diagnosing neurological diseases and in monitoring success of medical treatments selected. In the engineering field, the features extracted from EEG signals recorded during the mental and visual tasks provide valuable information brain computer interfacing. Brain Computer Interface (BCI) makes possible to people to use a computer, an electromechanical arm or variety of neuroprothesis without using their muscle systems, in other words without using their motor neurosystems. Nowadays, a couple of techniques, such as EEG, single cell recordings (SCR), functional magnetic resonance imaging (fMRI), local field potential (LFP), Near Infrared Spectroscopy (NIRS), electrocorticography (ECoG) and magnetoencefalography (MEG) are used for BCI implementations. Among these techniques, generally EEG is selected for BCI systems due to the fact that it is easy to apply and practically accessible.The goal in area of EEG based BCI research is to develop a method which has higher classification rate and brain computer interfacing data rate than existing methods.In this thesis, it was studied on EEG dataset which was obtained under different mental and visual tasks used in literature. Feature extractions from that EEG dataset were analysed with various mathematical methods. According to discovered features classification was done by using support vector machines (SVM) and KNN classifier. All these studies actualized by considering the goal of to obtain higher classification rate and high brain computer interfacing data rate.

Benzer Tezler

  1. Tez No

    172279

    Haptic device design

    Haptik cihaz tasarımı

    ÖZGÜR BAŞER

    Yüksek Lisans

    İngilizce

    İngilizce

    2006

    Makine MühendisliğiOrta Doğu Teknik Üniversitesi

    Makine Mühendisliği Bölümü

    Y.DOÇ.DR. BUĞRA KOKU

    Y.DOÇ.DR. İLHAN KONUKSEVEN

  2. Tez No

    152219

    Beyin bilgisayar arayüzü (BCI)

    Brain computer interface (BCI)

    EYÜP ŞENGİL

    Yüksek Lisans

    Türkçe

    Türkçe

    2004

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Biyomedikal Mühendisliği Ana Bilim Dalı

    DOÇ. DR. MEHMET KORÜREK

  3. Tez No

    213588

    Traitement et classification des signaux EEG pour le but d'une interface cerveau-machine

    EEG sinyallerinin beyin-bilgisayar ara yüzü amaçlı işlenmesi ve sınıflandırılması

    EMRE KURTARAN

    Yüksek Lisans

    Fransızca

    Fransızca

    2007

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGalatasaray Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. S. MURAT EGİ

  4. Tez No

    206288

    Human computer interaction analysis and prototyping studies

    İnsan bilgisayar etkileşimi analizi ve prototiplendirme çalışmaları

    ÇAĞLA ÖZEN ŞENELER

    Yüksek Lisans

    İngilizce

    İngilizce

    2007

    Bilim ve TeknolojiBoğaziçi Üniversitesi

    Yönetim Bilimleri Ana Bilim Dalı

    DOÇ. DR. NURİ BAŞOĞLU

  5. Tez No

    143039

    Marshalling/demarshalling performance analysis of sun'JAVA IDL by using static invocation interface

    Sun'ın JAVA IDL derleyicisinin statik çağrı arayüzü kullanılarak hizalama/geri hizalama başarımının incelenmesi

    TACETTİN AYAR

    Yüksek Lisans

    İngilizce

    İngilizce

    2003

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. MEHMET BÜLENT ÖRENCİK

Geri Dön