EEG data classification using multilinear regression model
Çoklu doğrusal regresyon modeli kullanarak EEG verilerinin sınıflandırılması
- Tez No: 627216
- Danışmanlar: PROF. DR. AHMET ADEMOĞLU
- Tez Türü: Yüksek Lisans
- Konular: Biyoistatistik, Biyoteknoloji, Biyomühendislik, Biostatistics, Biotechnology, Bioengineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2019
- Dil: İngilizce
- Üniversite: Boğaziçi Üniversitesi
- Enstitü: Biyomedikal Mühendislik Enstitüsü
- Ana Bilim Dalı: Biyomedikal Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Biyomedikal Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Beyin Bilgisayar Arayüzleri (BCI), kişilerin, sinir sistemlerini kullanmaksızın, elektromekanik veya nöroprostetik bir cihazı bilgisayar yardımıyla denetlemelerini sağlayan sistemlerdir. Kafaderisi üzerine yerleştirilen elektrotlardan elde edilen ve Elektroansefalogram (EEG) adı verilen elektriksel kayıtlar sayesinde beyin dokuları hakkında bilgi edinebilmek mümkündür. Farklı bölgelere yerleştirilen elektrotlar çevrelerindeki elektriksel aktiviteyi yakalayabilmektedirler. BCI sistemleri, beyin sinyallerinin barındırdığı motor veya bilişsel etkinlik bilgisini tanımlayıp çevrede bulunan cihazları harekete geçirebilmek için, bu elektrotlardan elde edilen elektriksel sinyalleri birleştirerek, sinyal işleme ve yapay öğrenme algoritmaları kullanırlar. Duygu tahmini, genellikle beyin bilgisayar arayüzü uygulamalarında insan ve makine arasındaki iletişimi geliştirmek ve denetlemek için kullanılır. Doğru duygu analizi için en yaygın kullanılan yöntem olan beyin elektriksel aktivitesine dayalı duygu tahmini çalışmaları son yıllarda ivme kazanmıştır. Bu tez çalışmasında, duygusal anlamda hoş ve nahoş resimlerle karşılaşan normal deneklerden alınan çok kanallı EEG verileri çoklu doğrusal regresyon algoritması ile sınıflandırılmıştır. Sonuçlar, Destek Vektörü Makinesi (SVM) sonuçları ile karşılaştırılarak doğrulukta daha iyi olduğu kanıtlanmıştır.
Özet (Çeviri)
Brain Computer Interfaces (BCI) are systems that facilitate people to use a computer, to control an electromechanical or a neuroprosthetic device without using their motor nervous system. It is possible to obtain an information about the brain tissues with electrodes placed on the skull which record the electrical activity called electroencephalogram (EEG) . The electrodes placed in di erent regions capture the activity in their neighborhood. BCI systems combining the electrical signals from these electrodes use signal processing and machine learning algorithms to identify the motor or the cognitive activity that is embedded in the brain signals so as to mobilize the peripheral devices according to the information gathered. Emotion estimation is often used in brain computer interface applications to improve and control the communication between man and machine. In recent years, emotion estimation studies based on brain electrical activity, which is the most widespread method used for accurate emotion analysis, have gained momentum. In this thesis study, multichannel EEG data taken from normal subjects who encountered emotionally pleasant and unpleasant pictures were classi ed with a multilinear regression algorithm. The results were compared with those of the Support Vector Machine (SVM) and proved to be better in accuracy.
Benzer Tezler
- Motor imagery based mobile brain computer interface design using machine learning techniques
Makine öğrenmesi yöntemleri ile motor hareket hayali tabanlı mobil beyin bilgisayar arayüzü tasarımı
HAKAN AŞIK
Yüksek Lisans
İngilizce
2017
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
PROF. DR. ZÜMRAY DOKUR
- Subspace discovery with supervised learning for SSVEP based brain-computer interfaces
DHGUP bazlı beyin-bilgisayar arayüzü için gözetimli öğrenme yöntemiyle altuzay keşfi
ABDULLAH KUTAY CANKI
Yüksek Lisans
İngilizce
2022
Elektrik ve Elektronik MühendisliğiSabancı ÜniversitesiElektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ HÜSEYİN ÖZKAN
- A Virtual home for Brain-Computer Interfaces (BCIs) Training
Beyin-Bilgisayar Arayüzleri (BBA) Eğitimi için Sanal Bir Ev
AHMET CAN MERCİMEK
Yüksek Lisans
İngilizce
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolUnıversıty Of EssexBilgisayar Bilimleri Ana Bilim Dalı
PROF. DR. FRANCİSCO SEPULVEDA
- Analysis and classification of visually evoked EEG using multiresolution approximation
Çoklu çözünürlük yaklaşımı kullanılarak görsel olarak uyarılmış EEG?nin analizi ve sınıflanması
UMUT ÇELİK
Doktora
İngilizce
2010
Elektrik ve Elektronik MühendisliğiÇukurova ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. SAMİ ARICA
- EEG tabanlı bilişsel iş yükü ve yorgunluk tespiti ile beyin-bilgisayar arayüzü performansının değerlendirilmesi
EEG-based detection of cognitive workload and fatigue and evaluation of brain-computer interface performance
HASAN KILIÇKAYA
Yüksek Lisans
Türkçe
2026
Elektrik ve Elektronik MühendisliğiAtatürk ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ONUR ERDEM KORKMAZ
DR. ÖĞR. ÜYESİ TOLGA TURAY