KaydedilenlerDerginizi ekleyin

Dergiler / Dicle Üniversitesi Mühendislik Fakültesi Mühendislik Dergisi / 2019 / Cilt: 10 - Sayı: 1

Motor Nöron Yetilerini Kaybetmiş Bireylerin İletişimi için SSVEP Tabanlı Beyin Bilgisayar Arayüzü Geliştirilmesi

Ayşe Beyza GÖKBULUT
Hasan Yetiş
Mehmet Karaköse
İlhan AYDIN
Sayfa
13–22
Yayın Tarihi
2019-03-15
DOI
—
🏛️Bu makalenin bibliyografik verileri ve tam metin bağlantısı DergiPark üzerinden sağlanmıştır.
DergiPark Kaydı ↗
✨

Yapay Zeka Hızlı Bakış & Çıkarımlar

AI Insight
⚡ TL;DR(1 Cümlede Hızlı Çıkarım)

Daha sonra öznitelik çıkarımı ile anlamlı bilgilere ayrıştırılmış ve daha sonra önceden oluşturulmuş referans veri tabanındaki kayıtlara olan benzerliği Kanonik Korelasyon Analizi ile tespit edilmiştir.

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:Sosyal bir varlık olan insan, yaşamsal faaliyetlerini sürdürebilmek için çevresiyle etkileşim ve iletişim halindedir.
📊
Temel Bulgular & Veri:Geliştirilen arayüzde 4 farklı frekansta dama desenli görsel uyaranlar oluşturularak beyin sinyallerindeki değişim belirginleştirilmiştir.
💡
Sonuç & Katkı:Daha sonra öznitelik çıkarımı ile anlamlı bilgilere ayrıştırılmış ve daha sonra önceden oluşturulmuş referans veri tabanındaki kayıtlara olan benzerliği Kanonik Korelasyon Analizi ile tespit edilmiştir.
🔬Tür:Araştırma Makalesi
📍Kapsam:Genişletilmiş Akademik Örneklem
⚙️Değişkenler:Beyin Bilgisayar Arayüzü · BBA · EEG

Özet

Sosyal bir varlık olan insan, yaşamsal faaliyetlerini sürdürebilmek için çevresiyle etkileşim ve iletişim halindedir. Motor nöronlarını harekete geçirme kabiliyetini yitirmiş olan hastalar, çevrelerinde olan biteni algılamakta ancak tepki verememektedirler. Bu durum çevre ile iletişimlerini tamamen koparmaktadır. Bu çalışmada motor nöronları harekete geçirme kabiliyetini yitirmiş hastaların çevreleriyle iletişimde olabilmeleri için SSVEP tabanlı bir beyin bilgisayar arayüzü tasarlanmıştır. Geliştirilen arayüzde 4 farklı frekansta dama desenli görsel uyaranlar oluşturularak beyin sinyallerindeki değişim belirginleştirilmiştir. Tasarlanan sistemde görsel uyaranlara odaklanan bireylerden Emotiv Epoc+ cihazı yardımıyla beyin sinyalleri kaydedilmiştir. Kaydedilen sinyaller önişlemlerden geçirilerek gürültülerden arındırılmıştır. Daha sonra öznitelik çıkarımı ile anlamlı bilgilere ayrıştırılmış ve daha sonra önceden oluşturulmuş referans veri tabanındaki kayıtlara olan benzerliği Kanonik Korelasyon Analizi ile tespit edilmiştir. Sınıflandırılan beyin sinyalleri komut haline getirilmekte ve heceleme sistemine bildirilmektedir. Alınan sinyaller ile yapılan önişleme, öznitelik çıkarımı ve sınıflandırma adımları sonucunda kullanıcının dış ortama aktarmak istediği kelimenin harflerine sırayla odaklanması, odaklandığı harfi ekrana yazdırması amaçlanmıştır. Yapılan çalışmalar sonucunda kas sistemini kullanmadan oluşturulan arayüze komut verilmesini sağlayan bir heceleme sistemi oluşturulmuştur.

🔖

Bu Makaleye Atıf Yap

GÖKBULUT, A. B., Yetiş, H., Karaköse, M., AYDIN, İ. (2019). Motor Nöron Yetilerini Kaybetmiş Bireylerin İletişimi için SSVEP Tabanlı Beyin Bilgisayar Arayüzü Geliştirilmesi. Dicle Üniversitesi Mühendislik Fakültesi Mühendislik Dergisi, Cilt: 10 - Sayı: 1, 13–22. https://ajindex.com/articles/655968

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (8)

  1. Agustina, M., Correa, G., Laciar, E., (2011). Noise Removal from EEG Signals in Polisomnographic Records Applying Adaptive Filters in Cascade, Adaptive Filtering Applications. Ahn., J.W., Ku, Y., Kim, D.Y., Sohn, J., Kim, J.H, Kim, H.C., (2018). Wearable in-the-ear EEG system for SSVEP-based brain–computer interface, Electronic Letters, 54(7), 413-414.
  2. Barbati, G., Porcaro, C., Zappasodi, F., Rossini, P.M., Tecchio, F., (2004). Optimization of an independent component analysis approach for artifact identification and removal in magnetoencephalographic signals, Clinical Neurophysiology, 115, 1220-1232.
  3. Başçıl, S.M., (2015). Beyinde Üretilen Yöne Bağlı EEG Sinyallerinin Öznitelik Çıkarımı Yardımıyla Sınıflandırılması, Sakarya Üniversitesi Fen Bilimleri Enstitüsü. Berge, H., (1929). Uber das electrenkephalogramm des menchen, Arch PsychiatrNervenkr. 87, 527- 570. Cambell, A.T., Choudhury T., Hu, S., Lu, H., Mukerjee, M.K., Rabbi, M., Raizada, R.D.S., (2010). Neurophone Brain-Mobile phone interface using a wireless EEG Headset, Mobiheld, New Delhi India. Coton, R., (1875). The electric currents of brain, Br. Med. J. 2278. Fakhruzzaman, N.M., Riksakomara E., Suryotrisongko H., (2015). EEG wave identification in human brain with Emotiv Epoc for motor imagery, Procedia Computer Science, 72, 269-276.
  4. Farwel, L.A., Donchin, E., (2008). Talking off the top of the head toward a mental prosthesis utilizing event-related brain potentials, Electroenceph Clin. Neurophysiol, 510-523.
  5. Gökbulut, A.B., (2018). Beyin Bilgisayar Etkileşimi ile İnsansız Hava Aracı Kontrolü için döngüde İnsanlı Benzetim Çatısının Geliştirilmesi, Fırat Üniversitesi Fen Bilimleri Enstitüsü. Grainmann, B., Allison, B., Pfurtscheller, G., (2011). Brain-Computer Interfaces: Revolutionizing Human-Computer Interaction, Springer Verlag. He, P., Wilson, G., Russell, C., (2004). Removal of ocular artifacts from electroencephalogram by adaptive filtering, Medical and Biological Engineering and Computing, 42, 407-412.
  6. Hotelling, H., (1936). Relations Between Two Sets of Variates *., Biometrika Trust, 28, 321-377.
  7. Kumar, P.S., Arumuganathan, R., Sivakumar, K., Vimal, C., (2008). A wavelet based Statistical Method for De-Noising of Ocular Artifacts in EEG Signals, International Journal of Computer Science and Network Security (JCSNS), 8, 87-92.
  8. Lim, Hooi, S., Nisar, H., Thee, K.W., Yap, V.V., (2017). A novel method for tracking and analysis of EEG activation across brain lobes, Biomedical Signal Processing and