
-
Orta Doğu Teknik Üniversitesi Fen Bilimleri Enstitüsü
- +90 312 210 2292
- http://fbe.metu.edu.tr/
- Hiçbir belirt gün hizmet vermektedir.
PROF. DR. NEVZAT G. GENÇER
Üniversite: Orta Doğu Teknik Üniversitesi
Bölüm: Fen Bilimleri Enstitüsü

ÇALIŞMA ALANLARI
YÜKSEK LİSANS VE DOKTORA ÖĞRENCİLERİ
Realization of a cue based motor imagery brain computer interface with its potential application to a wheelchair İpucu tabanlı hareket düşünsel beyin bilgisayar arayüzünün gerçekleştirilmesi ve potansiyel tekerlekli sandalye uygulaması
Bu tez çalışması, ipucu tabanlı hareket düşüncesine (HD) dayanan çevrimiçi bir Beyin Bilgisayar Arayüzü (BBA) sisteminin gerçekleştirilmesine odaklanmıştır. Bu amaçla, bazı sinyal işleme ve sınıflandırma yöntemleri incelenmiştir. Özellikle, Kısa Süreli Fourier Dönüşümü (KSFD), Ortak Uzamsal Frekans Örüntüleri (OUFÖ), ve Morlet Dönüşümü gibi bazı zaman-uzay-frekans yöntemleri 2-sınıflı HD BBA sistemi üzerinde uygulanmıştır. Öznitelik seçme yöntemi olarak Karakteristik Duyarlı Öğrenmeli Vektör Kuantalama (KDÖVK) algoritması kullanılmıştır. Bu yöntemlerin başarısı, doğrusal ve doğrusal olmayan Destek Vektör Makinaları (DVM), Çok Katmanlı Geriye Yayılma Algoritması (ÇKGYA) ve Naif Bayes (NB) sınıflandırıcıları ile değerlendirilmiştir. Yöntemler, 4. BBA Yarışması veri kümesi IIb üzerinde denenmiş ve 0.45’lik bir kappa değeri elde edilmiştir. Sınıflandırma sonuçlarına göre, işlenen yöntemler, yarışmadaki 4. başarılı sonucu vermektedir. ODTÜ Beyin Araştırmaları ve Hacettepe Biyofizik Bölümü Laboratuarlarında iki denek üzerinde, özgün işaret tabanlı HD BBA paradigmaları ile çevrimdışı deneyler gerçekleştirilmiştir. Bu veri kümelerinde, yöntemlerin 2 sınıflı BBA üzerindeki ortalama tahmin başarısı %76.26 olarak hesaplanmıştır. Bunların yanı sıra, iki adet çevrimiçi BBA uygulaması geliştirilmiştir: ping-pong oyunu ve tekerlekli sandalye kontrol uygulaması. Bu uygulamalardaki ortalama sınıflandırma başarısı %70 olarak ölçülmüştür. Yapılan deneylerde, BBA sistemlerinin performansının, deneklerin uygulamaya göre eğitimi ve bu uygulamalardaki tecrübelerine oldukça bağlı olduğu gözlemlenmiştir. Deney sonuçlarına göre, literatürde hareket düşüncesi ile ilgisi olmadığı kabul edilen P3 ve P4 EEG kanalları, çevrimdışı veri kümelerinde en iyi sınıflandırma başarısını göstermiştir. Bu durum, deneylerdeki gözlemler ele alındığında, işaret tabanlı BBA uygulamalarındaki uyarma ve bunun sonucunda deneklerde oluşan görsel uyarılma etkisi ile bağıntılanmaktadır.


Yorum yaz