Durağan Durum Görsel Uyaran Potansiyellerinden Fourier Dönüşümü ile Üç Farklı Frekansın Kestirimi
Durağan durum görsel uyarılmış potansiyeller (DDGUP), diğer beyin bilgisayar ara yüzü (BBA) tekniklerine oranla oldukça yüksek sinyal-gürültü oranları ve bilgi aktarım hızına sahip oldukları için EEG çalışmalarında sıkça kullanılır. Ayrıca durağan durum paradigmaları, dinamik neokorteks süreçlerinde...
Main Authors: | , , |
---|---|
Format: | Article |
Language: | English |
Published: |
Düzce University
2020-10-01
|
Series: | Düzce Üniversitesi Bilim ve Teknoloji Dergisi |
Subjects: | |
Online Access: | https://dergipark.org.tr/tr/download/article-file/1041644 |
_version_ | 1797300914832277504 |
---|---|
author | Yalçın İşler Ebru Sayılgan Yilmaz Yüce |
author_facet | Yalçın İşler Ebru Sayılgan Yilmaz Yüce |
author_sort | Yalçın İşler |
collection | DOAJ |
description | Durağan durum görsel uyarılmış potansiyeller (DDGUP), diğer beyin bilgisayar ara yüzü (BBA) tekniklerine oranla oldukça yüksek sinyal-gürültü oranları ve bilgi aktarım hızına sahip oldukları için EEG çalışmalarında sıkça kullanılır. Ayrıca durağan durum paradigmaları, dinamik neokorteks süreçlerinde tercih edilen frekansları karakterize etmek için de kullanılır. Kısa eğitim süresine sahip olan DDGUP’lar, pratik uygulamalarda önemli bir rol oynar. Sinyalleri komuta dönüştürmekte kullanılan, sinyal işleme algoritmaları, BBA sistemlerinin performansını arttırmak için kilit öneme sahiptir. Buna ek olarak, DDGUP sinyallerinin birbirinden farklı yöntemlerle sınıflandırılmasını araştıran çok az çalışma vardır. Bu çalışmada, internetten açık erişim ile alınan veri seti (AVI SSVEP Dataset) üzerinde analizler yapılmıştır. Veri setindeki EEG kayıtları, katılımcılar, rengi siyahtan beyaza hızla değişen yedi farklı frekansta yanıp sönen bir kutuya baktıkları durumda kaydedilmiştir. Oksipital bölgeden kaydedilen DDGUP sinyalleri ilk olarak Hızlı Fourier Dönüşümü uygulanarak, sinyal alt bantlarına (delta, teta, alfa, beta ve gama) ayrılmıştır. Alt bantların her biri için enerji ve varyans öznitelik vektörleri çıkarılmıştır. Öznitelikler altı temel sınıflandırıcı (LDA, k-NN, SVM, Naive Bayes, Topluluk Öğrenmesi, Karar Ağacı) ile sınıflandırılmıştır. Sınıflandırma performansları birbirleri ile karşılaştırılmıştır. Sınıflandırma 5-kat çapraz doğrulama modeli ve hata matrisinden doğruluk değerleri çıkarılarak analiz edilmiştir. Katılımcılar ayrı ayrı göz önüne alındığında %100’e varan sınıflandırma başarımı SVM ve k-NN sınıflandırıcılarında elde edilirken, ortalamalara göre en yüksek başarım Topluluk Öğrenmesi sınıflandırıcısında %79,73 olarak elde edilmiştir. |
first_indexed | 2024-03-07T23:14:25Z |
format | Article |
id | doaj.art-3fc5af62a936479f94f95e90cd645901 |
institution | Directory Open Access Journal |
issn | 2148-2446 |
language | English |
last_indexed | 2024-03-07T23:14:25Z |
publishDate | 2020-10-01 |
publisher | Düzce University |
record_format | Article |
series | Düzce Üniversitesi Bilim ve Teknoloji Dergisi |
spelling | doaj.art-3fc5af62a936479f94f95e90cd6459012024-02-21T14:07:25ZengDüzce UniversityDüzce Üniversitesi Bilim ve Teknoloji Dergisi2148-24462020-10-01842337234310.29130/dubited.71638697Durağan Durum Görsel Uyaran Potansiyellerinden Fourier Dönüşümü ile Üç Farklı Frekansın KestirimiYalçın İşler0Ebru Sayılgan1Yilmaz Yüce2İZMİR KATİP ÇELEBİ ÜNİVERSİTESİ, MÜHENDİSLİK VE MİMARLIK FAKÜLTESİ, BİYOMEDİKAL MÜHENDİSLİĞİ BÖLÜMÜ, BİYOMEDİKAL MÜHENDİSLİĞİ ANABİLİM DALIİZMİR KATİP ÇELEBİ ÜNİVERSİTESİ, FEN BİLİMLERİ ENSTİTÜSÜ, BİYOMEDİKAL TEKNOLOJİLER (DR) (İNGİLİZCE)ALANYA ALAADDİN KEYKUBAT ÜNİVERSİTESİ, MÜHENDİSLİK FAKÜLTESİ, BİLGİSAYAR MÜHENDİSLİĞİ BÖLÜMÜDurağan durum görsel uyarılmış potansiyeller (DDGUP), diğer beyin bilgisayar ara yüzü (BBA) tekniklerine oranla oldukça yüksek sinyal-gürültü oranları ve bilgi aktarım hızına sahip oldukları için EEG çalışmalarında sıkça kullanılır. Ayrıca durağan durum paradigmaları, dinamik neokorteks süreçlerinde tercih edilen frekansları karakterize etmek için de kullanılır. Kısa eğitim süresine sahip olan DDGUP’lar, pratik uygulamalarda önemli bir rol oynar. Sinyalleri komuta dönüştürmekte kullanılan, sinyal işleme algoritmaları, BBA sistemlerinin performansını arttırmak için kilit öneme sahiptir. Buna ek olarak, DDGUP sinyallerinin birbirinden farklı yöntemlerle sınıflandırılmasını araştıran çok az çalışma vardır. Bu çalışmada, internetten açık erişim ile alınan veri seti (AVI SSVEP Dataset) üzerinde analizler yapılmıştır. Veri setindeki EEG kayıtları, katılımcılar, rengi siyahtan beyaza hızla değişen yedi farklı frekansta yanıp sönen bir kutuya baktıkları durumda kaydedilmiştir. Oksipital bölgeden kaydedilen DDGUP sinyalleri ilk olarak Hızlı Fourier Dönüşümü uygulanarak, sinyal alt bantlarına (delta, teta, alfa, beta ve gama) ayrılmıştır. Alt bantların her biri için enerji ve varyans öznitelik vektörleri çıkarılmıştır. Öznitelikler altı temel sınıflandırıcı (LDA, k-NN, SVM, Naive Bayes, Topluluk Öğrenmesi, Karar Ağacı) ile sınıflandırılmıştır. Sınıflandırma performansları birbirleri ile karşılaştırılmıştır. Sınıflandırma 5-kat çapraz doğrulama modeli ve hata matrisinden doğruluk değerleri çıkarılarak analiz edilmiştir. Katılımcılar ayrı ayrı göz önüne alındığında %100’e varan sınıflandırma başarımı SVM ve k-NN sınıflandırıcılarında elde edilirken, ortalamalara göre en yüksek başarım Topluluk Öğrenmesi sınıflandırıcısında %79,73 olarak elde edilmiştir.https://dergipark.org.tr/tr/download/article-file/1041644brain-computer interfaceelectroencephelogramsteady-state visually-evoked potentialspattern recognitionclassificationbeyin-bilgisayar ara yüzüelektroensefalogramdurağan-durum görsel-uyaran potansiyelleriörüntü tanımasınıflandırma |
spellingShingle | Yalçın İşler Ebru Sayılgan Yilmaz Yüce Durağan Durum Görsel Uyaran Potansiyellerinden Fourier Dönüşümü ile Üç Farklı Frekansın Kestirimi Düzce Üniversitesi Bilim ve Teknoloji Dergisi brain-computer interface electroencephelogram steady-state visually-evoked potentials pattern recognition classification beyin-bilgisayar ara yüzü elektroensefalogram durağan-durum görsel-uyaran potansiyelleri örüntü tanıma sınıflandırma |
title | Durağan Durum Görsel Uyaran Potansiyellerinden Fourier Dönüşümü ile Üç Farklı Frekansın Kestirimi |
title_full | Durağan Durum Görsel Uyaran Potansiyellerinden Fourier Dönüşümü ile Üç Farklı Frekansın Kestirimi |
title_fullStr | Durağan Durum Görsel Uyaran Potansiyellerinden Fourier Dönüşümü ile Üç Farklı Frekansın Kestirimi |
title_full_unstemmed | Durağan Durum Görsel Uyaran Potansiyellerinden Fourier Dönüşümü ile Üç Farklı Frekansın Kestirimi |
title_short | Durağan Durum Görsel Uyaran Potansiyellerinden Fourier Dönüşümü ile Üç Farklı Frekansın Kestirimi |
title_sort | duragan durum gorsel uyaran potansiyellerinden fourier donusumu ile uc farkli frekansin kestirimi |
topic | brain-computer interface electroencephelogram steady-state visually-evoked potentials pattern recognition classification beyin-bilgisayar ara yüzü elektroensefalogram durağan-durum görsel-uyaran potansiyelleri örüntü tanıma sınıflandırma |
url | https://dergipark.org.tr/tr/download/article-file/1041644 |
work_keys_str_mv | AT yalcınisler duragandurumgorseluyaranpotansiyellerindenfourierdonusumuileucfarklıfrekansınkestirimi AT ebrusayılgan duragandurumgorseluyaranpotansiyellerindenfourierdonusumuileucfarklıfrekansınkestirimi AT yilmazyuce duragandurumgorseluyaranpotansiyellerindenfourierdonusumuileucfarklıfrekansınkestirimi |