Browsing by Subject "Biomedical signal processing"

Filter results by typing the first few letters
Now showing 1 - 2 of 2
  • Thumbnail Image
    ItemOpen Access
    İki durumlu bir beyin bilgisayar arayüzünde özellik çıkarımı ve sınıflandırma
    (IEEE, 2017-10) Altındiş, Fatih; Yılmaz, B.
    Beyin bilgisayar arayüzü (BBA) teknolojisi motor nöronlarının özelliğini kaybeden ve hareket kabiliyeti kısıtlanmış ALS ve felçli hastalar gibi birçok kişinin dış dünya ile iletişimini sağlamaya yönelik kullanılmaktadır. Bu çalışmada, Avusturya’daki Graz Üniversitesi’nde alınmış EEG veri seti kullanılarak gerçek zamanlı EEG işleme simülasyonu ile motor hayal etme sınıflandırılması amaçlanmıştır. Bu veri setinde sağ el ya da sol elin hareket ettirilme hayali esnasında 8 kişiden alınmış iki kanallı EEG sinyalleri bulunmaktadır. Her katılımcıdan 60 sağ ve 60 sol olmak üzere toplamda 120 adet yaklaşık 9 saniyelik motor hayal etme deneme sinyali kayıt edilmiştir. Bu sinyaller filtrelemeye tabi tutulmuştur. Yirmi dört, 32 ve 40 elemanlı özellik vektörü bant geçiren filtreler kullanarak elde edilen göreceli güç değişim değerleridir (GGDD). Bu çalışmada, lineer diskriminant analizi (LDA), k en yakın komşular (KNN) ve destek vektör makinaları (SVM) ile sınıflandırma yapılmış, en iyi sınıflandırma performansının 24 değerli özellik vektörüyle ve LDA sınıflandırma yöntemiyle elde edildiği gösterilmiştir.
  • Thumbnail Image
    ItemOpen Access
    Proof-of-concept energy-efficient and real-time hemodynamic feature extraction from bioimpedance signals using a mixed-signal field programmable analog array
    (IEEE, 2017) Töreyin, Hakan; Shah, S.; Hersek, S.; İnan, O. T.; Hasler, J.
    We present a mixed-signal system for extracting hemodynamic parameters in real-time from noisy electrical bioimpedance (EBI) measurements in an energy-efficient manner. The proof-of-concept system consists of floating-gate-based analog signal processing (ASP) electronics implemented on a field programmable analog array (FPAA) chip interfaced with an on-chip low-power microcontroller. Physiological features important for calculating hemodynamic parameters (e.g., heart rate, blood volume, and blood flow) are extracted using the custom signal processing circuitry, which consumes a total power of 209 nW. Testing of the signal processing circuitry has been performed using ∼580 sec of an impedance plethysmography dataset collected from the knee of a subject using a custom analog EBI front-end. Results show the similarities of variations in heart rate, blood volume, and blood flow calculated using features extracted by the ASP circuitry implemented on an FPAA and a MATLAB digital signal processing algorithm.