Yapay Zeka Hızlı Bakış & Çıkarımlar
AI InsightSınıflandırma neticesinde bu çalışmada karşılaştırılan heceleticilerden; 4x4 satır sütın bazlı P300 heceleticinin 150 ms uyaran aralık süresine sahip olan yapıdaki formu, ortalama doğruluk oranı %84,76 ile en yüksek olarak tespit edilmiştir.
📌 3 Maddede Bu Makale
Özet
Elektroensefalografi temelli beyin bilgisayar arayüzü sistemleri kas sistemini kullanamayan hastalar için dış dünya ile iletişimini mümkün kılmaktadır. EEG temelli beyin bilgisayar arayüzü sistemleri için çeşitli beyin sinyal aktiviteleri kullanılmaktadır. Olay odaklı potansiyellerden bir tanesi olan P300 sinyali beyin bilgisayar arayüzü sistemleri için elverişli bir beyin sinyalidir. P300 tabanlı bir beyin bilgsayar arayüzü için en önemli performans parametrelerinden birisi sınıflandırma doğruluk oranıdır. Bu çalışmada satır sütun temelli P300 heceletici yapısındaki değişiklikle daha yüksek doğruluk oranı ile elde edilmesi hedeflenmiştir. P300 heceleticisi matris yapısında ve uyaranların aralık süreleri üzerinde değişiklikler yapılmıştır. Bundan önceki bir çok çalışma P300 heceletici yapısındaki uyaran renk ve biçimlerindeki değişiklikler ile yapılmıştır. Uyaran yapısı ve uyaran aralık sürelerindeki değişikleri kıyaslayıcı P300 heceleticileri ile ilgili çalışmalar yeterli seviyede değildir. Bu çalışmada dört farklı yapıdaki satır sütun bazlı P300 heceletici kullanılarak deneyler yapılmıştır. Deneyler ile toplanan EEG kayıtları ön işlemden geçirildikten sonra adımsal doğrusal ayrışım analizi ile sınıflandırılmıştır. Sınıflandırma neticesinde bu çalışmada karşılaştırılan heceleticilerden; 4x4 satır sütın bazlı P300 heceleticinin 150 ms uyaran aralık süresine sahip olan yapıdaki formu, ortalama doğruluk oranı %84,76 ile en yüksek olarak tespit edilmiştir. En düşük performans ise; 6x6 satır sütın bazlı P300 heceleticinin 300 ms uyaranlar arası geçiş süresine sahip modunda %50,48 olarak gözlenmiştir. Bu çalışma, satır sütun bazlı P300 heceleticisinin uyaran matris yapısındaki değişikliği ve farklı uyaran aralık sürelerinde yapılan deneylerle yüksek doğruluk oranı ile elde edilebileceğini göstermiştir.
Abstract
Electroencephalography based brain computer interface systems provide communication with the environmental devices for users who cannot use neuromuscular system. There are various brain signal activities for EEG-based BCIs. P300 is a type of event related potential and is a convenient signal type for BCI systems. One of the most important performance parameters is the classification accuracy rate for a P300-based BCI. In this study we aimed to obtain a higher accuracy rate with the changes of row column based P300 speller structure. Changes were made to the matrix structure of P300 speller and inter stimulus interval duration. our new approach region based P300 speller. In most of previous studies are about changes of stimlus color and shapes in row column based P300 speller. In this research experiments with 4 different modes P300 speller were used for character selection. The EEG recordings that collected in the experiments were pre-processed and then classified by stepwise linear discriminant analysis. Acording to the classification result the highest average of the classification accuracy was reached to 84.76% in the experiments with 4x4 matrix based P300 speller with 150 ms inter stimulus interval duration. In the contrary of this the lowest classification accuracy was observed with 6x6 matrix based P300 speller with 300 ms inter stimulus interval duration. This study showed that the row column based P300 speller can be achieved to high accuracy rate with changes in stimulus matrix structure and inter stimulus interval duration.