Geri Dön

Decoding multi-channel EEG signals of upper limb motor imagery in riemannian space

Üst uzuvlarda hareket tahayyülünün riemann uzayında çok kanallı EEG sinyalleri ile ıncelenmesi

PDF İndir

  1. Tez No: 973904
  2. Yazar: MOHAMMED JAMAL ABDALWAHID ABDALWAHID
  3. Danışmanlar: Professor Dr. AHMET ADEMOĞLU
  4. Tez Türü: Yüksek Lisans
  5. Konular: Mühendislik Bilimleri, Engineering Sciences
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2024
  8. Dil: İngilizce
  9. Üniversite: Boğaziçi Üniversitesi
  10. Enstitü: Biyomedikal Mühendislik Enstitüsü
  11. Ana Bilim Dalı: Biyomedikal Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Motor hareket imgelemeyi (MI) elektroensefalografi (EEG) ile cözümlemek, beyin-bilgisayar arayüzü (BCI) uygulamaları için temel bir adımdır. Bu çalışma, xDAWN uzamsal filtresi ile zenginleştirilmiş hareketle ilişkili kortikal potansiyeller (MRCP) kullanılarak, Ortalamaya En Yakın Mesafe (MDM) ve Teğet Uzaya Har italama ile birleştirilmiş Doğrusal Ayrıştırım İncelemesi (TSM-LDA) olarak bilinen Riemann geometrisine dayalı yöntemlerle sınıflandırılmasını incelemektedir. Hem tek katılımcı (within-subject) hem de katılımcılar arası (cross-subject) senaryolar için ikili (hareket vs. dinlenme) ve çoklu sınıf görevleri için değerlendirilmiş ve analiz pencere uzunluğu (100 ms–1 s) ile frekans bantlarının (0.3–3 Hz ve 7–30 Hz) etkileri incelen miştir. Sonuçlar, denek-içi ikili sınıflandırmada %71'e kadar doğruluk elde edildiğini gösterirken, en yüksek ayrıcı aktivitenin olarak komut başlangıcından 1.2–1.3 saniye sonra meydana geldiğini, denekler-arası ikili sınıflandırmada ise doğruluğun yaklaşık %67 ve en yüksek gecikme 1.3–1.4 saniye olduğunu ortaya koymaktadır. Çoklu sınıflan dırmada denek-içi doğruluk 22–24% iken, denekler-arası değerlendirmede yaklaşık %20 seviyesine düşmektedir. Daha uzun zaman pencereleri performansı tutarlı bir şekilde iyileştirmiş ve xDAWN süzgeci sinyal-gürültü oranını artırmıştır. Karıştırma matrisi analizi, en hatalı sınıflandırmaların benzer hareket tipleri arasında meydana geldiğini göstermiştir. Bu bulgular, MRCP tabanlı Riemann çözümlemesinin nöroprotezlerin denetimi alanında kullanım potansiyelini göstermekte ve sağlam, kalibrasyon gerek tirmeyen BCI sistemleri için gelişmiş özellik çıkarım yöntemlerinin önemini vurgula maktadır

Özet (Çeviri)

Decoding motor imagery (MI) from electroencephalography (EEG) is essen tial for brain-computer interface (BCI) applications. This study investigates the use of movement-related cortical potentials (MRCPs) enhanced with the xDAWN spatial f ilter and classified using Riemannian geometry-based methods: Minimum Distance to Mean (MDM) and Tangent Space Mapping combined with Linear Discriminant Anal ysis (TSM-LDA). Within-subject and cross-subject scenarios were evaluated for both binary (movement versus rest) and multiclass tasks, examining the effects of analysis window length (100 ms–1 s) and frequency bands (0.3–3 Hz and 7–30 Hz). Results indicate that within-subject binary decoding achieved up to 71% accuracy, with peak discriminative activity occurring approximately 1.2–1.3 seconds after cue onset, while cross-subject binary decoding reached around 67% accuracy with peak latency approxi mately 1.3–1.4 seconds. Multiclass decoding achieved 22–24% accuracy within-subject, dropping to approximately 20% in the cross-subject evaluation. Longer temporal win dows consistently improved performance, and xDAWN filtering enhanced the signal-to noise ratio. Confusion matrix analysis revealed that most misclassifications occurred between similar movement types. These findings demonstrate the potential of MRCP based Riemannian decoding for neuroprosthetic control and highlight the importance of advanced feature extraction methods to enable robust, calibration-free BCI systems.

Benzer Tezler

  1. Tez No

    992850

    EEG-based language detection

    EEG tabanlı dil tespiti

    DAHIRU TANKO

    Doktora

    İngilizce

    İngilizce

    2026

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat Üniversitesi

    Adli Bilişim Mühendisliği Ana Bilim Dalı

    PROF. DR. ŞENGÜL DOĞAN

  2. Tez No

    443839

    İki serbestlik dereceli hareket kontrolü için zihinsel görev sınıflandırma tabanlı beyin- bilgisayar arayüzü tasarımı

    Mental task classification based brain-computer interface design for 2 dof movement control

    ÇAĞLAR UYULAN

    Yüksek Lisans

    Türkçe

    Türkçe

    2016

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÜsküdar Üniversitesi

    Nörobilim Ana Bilim Dalı

    YRD. DOÇ. DR. TÜRKER TEKİN ERGÜZEL

  3. Tez No

    336889

    Spatial decoding of oscillatory neural activity for brain computer interfacing

    Beyin makine arayüzleri için salınımlı beyin işaretlerinin uzamsal çözümlemesi

    İBRAHİM ONARAN

    Doktora

    İngilizce

    İngilizce

    2013

    Biyomühendislikİhsan Doğramacı Bilkent Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. AHMET ENİS ÇETİN

    YRD. DOÇ. DR. NURİ FIRAT İNCE

  4. Tez No

    874223

    Multi-scale recursive context aggregation network for semantic segmentation

    Anlamsal bölümleme için çok ölçekli özyinelemeli bağlam birleştirme ağı

    ABDULLAH YALÇIN

    Yüksek Lisans

    İngilizce

    İngilizce

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. MEHMET KESKİNÖZ

  5. Tez No

    21765

    Çok-düzeyli kodlama/çok-aşamalı kod çözme tekniğinin incelenmesi ve frekans/faz kaydırmalı anahtarlama modülasyonuna uygulanması

    Multilevel coding/multistage decoding and its application to frequency/phase shift keying modulation

    İBRAHİM ALTUNBAŞ

    Yüksek Lisans

    Türkçe

    Türkçe

    1992

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    YRD. DOÇ. DR. ÜMİT AYGÖLÜ

Geri Dön