Yüksek Lisans Tezi Görüntüleme

Öğrenci: Ramazan KOÇOĞLU
Danışman: Doç. Dr. Temel KAYIKÇIOĞLU
Anabilim Dalı: Elektrik-Elektronik Müh.
Enstitü: Fen Bilimleri Enstitüsü
Üniversite: Karadeniz Teknik Üniversitesi
Tez Adı: Düşünsel Elektrokortikografi (ECoG) İşaretlerinin Beyin Bilgisayar Arayüzü Uygulamalarında Verimli Sınıflandırılması
Tezin Türü: Yüksek Lisans
Kabul Tarihi: 10/8/2009
Sayfa Sayısı: 89
Tez No: t2083
Özet:

      Beyin Bilgisayar Arayüzü (BBA) sistemleri çevresel sinir sistemi ve kaslara bağlı

olmayan bir iletişim sistemidir. BBA sistemi biyoelektrik beyin işaretlerini analiz ederek

      düşünsel istekleri kontrol komutlarını dönüştürmektedir. Bu sistem ALS hastaları gibi kas

ve sinir sistemi rahatsızlığı bulunan kişiler için dış ortamla bir iletişim arayüzü

      olabilmektedir. Böylece bu tip hastaların yaşam kalitesinin artırılması sağlanmış olacaktır.

Son yıllarda BBA teknolojisi hızla gelişmektedir. BBA uygulamalarında

      sınıflandırma doğruluğu ve bilgi transfer hızı önemli iki konudur. BBA araştırmalarında

amaç mevcut yöntemlerden daha yüksek sınıflandırma doğruluğu ve daha yüksek veri

      transfer hızına sahip yöntem geliştirmektir. BBA sistemlerinin giriş işaretlerinin kalitesi

artırılarak sınıflandırma doğruluğu artırılabilir. Elektrokortikografi (ECoG) işaretleri

      korteks üzerinden kayıt edildiklerinden daha yüksek işaret gürültü oranı ve daha iyi

uzamsal çözünürlük sağlayabilmektedir. Bundan dolayı ECoG işaretleri BBA sistemleri

      için işaret kaynağı olarak kullanılabilir.

Bu tez çalışmasında, literatürde kullanılan farklı düşünsel ve görsel uygulamalarda

      elde edilmiş ECoG veri kümesi üzerinde çalışılmıştır. Bu veri kümesinde farklı oturum

durumlarında işaretlerin sınıflandırılmasına yönelik katkı sağlayabilecek algoritmaların

      oluşturulması istenmektedir. Öznitelik çıkarma işlemi BBA uygulamalarının en temel ve

en zor konusunu oluşturur. Bu çalışmada farklı sınıflara ait ECoG işaretlerinden dalgacık

      dönüşümü katsayıları yardımıyla öznitelikler çıkartılmıştır. Bulunan özniteliklere göre KEn

Yakın Komşuluk (KNN), Destek Vektör Makineleri (DVM) ve Doğrusal Ayırma

      Analizi (DAA) kullanılarak sınıflandırma yapılmıştır. Tüm bu çalışmalar daha yüksek

sınıflandırma oranı ve yüksek beyin bilgisayar arayüzleşmesi veri hızı elde edebilmek

      amacı gözetilerek gerçekleştirilmiştir.

      Anahtar Kelimeler: ECoG, BBA, Öznitelik Çıkarma, Sınıflandırma