İki durumlu bir beyin bilgisayar arayüzünde özellik çıkarımı ve sınıflandırma

Simple item page
dc.citation.epage4en_US
dc.citation.spage1en_US
dc.contributor.authorAltındiş, Fatihen_US
dc.contributor.authorYılmaz, B.en_US
dc.coverage.spatialAntalya, Turkey
dc.date.accessioned2018-04-12T11:44:18Z
dc.date.available2018-04-12T11:44:18Z
dc.date.issued2017-10en_US
dc.departmentDepartment of Electrical and Electronics Engineeringen_US
dc.descriptionDate of Conference: 27-29 Oct. 2016
dc.descriptionConference name: 2016 Medical Technologies National Congress (TIPTEKNO)
dc.description.abstractBeyin 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.
dc.description.abstractBrain Computer Interface (BCI) technology is used to help patients who do not have control over motor neurons such as ALS or paralyzed patients, to communicate with outer world. This work aims to classify motor imageries using real-time EEG dataset, which was published by Graz University, Austria. The dataset consists of two-channel EEG signals of right-hand movement imagery and left-hand movement imagery of 8 subjects. There are a total of 120 motor imagery trials (60 left and 60 right) EEG signals recorded from each subject. EEG signals are filtered and feature vectors were extracted that consist of 24, 32 and 40 relative band power values (RBPV). In this work, feature vectors classified by three different methods, linear discriminant analysis (LDA), K nearest neighbor (KNN) and support vector machines (SVM). Results show that best performance was achieved by 24 RBPV feature vector and LDA classification method. © 2016 IEEE.
dc.description.provenanceMade available in DSpace on 2018-04-12T11:44:18Z (GMT). No. of bitstreams: 1 bilkent-research-paper.pdf: 179475 bytes, checksum: ea0bedeb05ac9ccfb983c327e155f0c2 (MD5) Previous issue date: 2017en
dc.identifier.doi10.1109/TIPTEKNO.2016.7863118en_US
dc.identifier.urihttp://hdl.handle.net/11693/37572
dc.language.isoTurkishen_US
dc.publisherIEEEen_US
dc.relation.isversionofhttp://dx.doi.org/10.1109/TIPTEKNO.2016.7863118en_US
dc.source.title2016 Medical Technologies National Conference, TIPTEKNO 2016en_US
dc.subjectBrain-computer interfacesen_US
dc.subjectClassificationen_US
dc.subjectEEGen_US
dc.subjectMotor imageryen_US
dc.subjectRelative band poweren_US
dc.subjectBiomedical engineeringen_US
dc.subjectBrain computer interfaceen_US
dc.subjectClassification (of information)en_US
dc.subjectDiscriminant analysisen_US
dc.subjectElectroencephalographyen_US
dc.subjectFeature extractionen_US
dc.subjectImage retrievalen_US
dc.subjectInterface statesen_US
dc.subjectInterfaces (computer)en_US
dc.subjectMedical computingen_US
dc.subjectNearest neighbor searchen_US
dc.subjectNeuronsen_US
dc.subjectSignal processingen_US
dc.subjectSupport vector machinesen_US
dc.subjectVectorsen_US
dc.subjectClassification methodsen_US
dc.subjectFeature extraction and classificationen_US
dc.subjectFeature vectorsen_US
dc.subjectK nearest neighbor (KNN)en_US
dc.subjectLinear discriminant analysisen_US
dc.subjectMotor imageryen_US
dc.subjectParalyzed patientsen_US
dc.subjectBiomedical signal processingen_US
dc.titleİki durumlu bir beyin bilgisayar arayüzünde özellik çıkarımı ve sınıflandırmaen_US
dc.title.alternativeFeature extraction and classification in a two-state brain-computer interfaceen_US
dc.typeConference Paperen_US

Files

Original bundle
Now showing 1 - 1 of 1
Thumbnail Image
Name:
Feature extraction and classification in a two-state brain-computer interface [Iki durumlu bir beyin bilgisayar arayüzünde özellik çikarimi ve siniflandirma].pdf
Size:
209.92 KB
Format:
Adobe Portable Document Format
Description:
Full Printable Version
Download

Collections

Scholarly Publications - Electrical and Electronics Engineering