Filtre modelli öznitelik seçim algoritmalarının EEG tabanlı beyin bilgisayar arayüzü sistemindeki karşılaştırmalı sınıflandırma performansları

Cem Bulut; Tuğçe Ballı; Emrullah Fatih Yetkin

Makale detayları

Filtre modelli öznitelik seçim algoritmalarının EEG tabanlı beyin bilgisayar arayüzü sistemindeki karşılaştırmalı sınıflandırma performansları

Yazarlar:

Cem Bulut | Tuğçe Ballı | Emrullah Fatih Yetkin

Yayıncı:

Gazi University

Ana Başlıklar:

Mühendislik

Dergi:

Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi Vol.38 Issue 4, pp.2397-2408

Belge Tipi:

Makale

Yayın Tarihi:

12/2023

Belge Dili:

Türkçe

Document ID (Org No.):

2001287721

pISSN:

1300-1884

Anahtar kelimeler:

Özet:

 Beyin bilgisayar arayüzleri BBA, beyin elektriksel aktivitelerini kontrol komutlarına çevirerek bilgisayar veya nöroprostetik kol gibi yardımcı teknolojilerin kullanılmasını sağlayan sistemlerdir. Bu çalışmada filtre tabanlı öznitelik seçim yöntemlerinin farklı sınıflandırma algoritmaları ile birlikte kullanılmasının BBA sistemlerine getirebileceği kazanımlar araştırılmıştır. Bu çerçevede nöroprostetik bir cihazın kontrolü için tasarlanan BBA sisteminden elde edilmiş EEG kayıtları analiz edilmiştir. EEG kayıtlarının analizi için delta 1.0-4 Hz, teta 4-8 Hz, alfa 8-12 Hz, beta 12-25 Hz, yüksek-beta 25-30Hz ve gama 30-50 Hz frekans bantlarından ve delta 1-4 Hz, teta 4-8 Hz, alfa1 8-10 Hz, alfa2 10-12 Hz, beta1 12-15 Hz, beta2 15-18 Hz, beta3 18-25 Hz, gama1 30-35 Hz, gama2 35-40 Hz, gama3 40-50 Hz alt frekans bantlarından bant gücü öznitelikleri çıkarılmıştır. Elde edilen iki veri seti öznitelik seçimi uygulamadan ve öznitelik seçimi uygulayarak sınıflandırılmıştır. Çalışmada toplam 10 adet filtre tabanlı öznitelik seçimi yöntemi ile birlikte, doğrusal ayırt eden analizi, rassal ormanlar, karar ağaçları ve destek vektör makinaları sınıflandırma algoritmaları kullanılmıştır. Çalışma sonucunda EEG kayıtlarının sınıflandırılması için öznitelik seçme algoritmalarının uygulanmasının daha yüksek başarımlı sonuçlar verdiği ve bu çalışmada ele alınan öznitelik seçme yöntemlerinden, özdeğer merkeziyetine göre öznitelik seçimi Ecfs ve sonsuz öznitelik seçimi Inffs yöntemlerinin filtre tabanlı yaklaşımlar arasında en iyi sonuçları verdiği gözlenmiştir.

 Beyin bilgisayar arayüzleri BBA, beyin elektriksel aktivitelerini kontrol komutlarına çevirerek bilgisayar veya nöroprostetik kol gibi yardımcı teknolojilerin kullanılmasını sağlayan sistemlerdir. Bu çalışmada filtre tabanlı öznitelik seçim yöntemlerinin farklı sınıflandırma algoritmaları ile birlikte kullanılmasının BBA sistemlerine getirebileceği kazanımlar araştırılmıştır. Bu çerçevede nöroprostetik bir cihazın kontrolü için tasarlanan BBA sisteminden elde edilmiş EEG kayıtları analiz edilmiştir. EEG kayıtlarının analizi için delta 1.0-4 Hz, teta 4-8 Hz, alfa 8-12 Hz, beta 12-25 Hz, yüksek-beta 25-30Hz ve gama 30-50 Hz frekans bantlarından ve delta 1-4 Hz, teta 4-8 Hz, alfa1 8-10 Hz, alfa2 10-12 Hz, beta1 12-15 Hz, beta2 15-18 Hz, beta3 18-25 Hz, gama1 30-35 Hz, gama2 35-40 Hz, gama3 40-50 Hz alt frekans bantlarından bant gücü öznitelikleri çıkarılmıştır. Elde edilen iki veri seti öznitelik seçimi uygulamadan ve öznitelik seçimi uygulayarak sınıflandırılmıştır. Çalışmada toplam 10 adet filtre tabanlı öznitelik seçimi yöntemi ile birlikte, doğrusal ayırt eden analizi, rassal ormanlar, karar ağaçları ve destek vektör makinaları sınıflandırma algoritmaları kullanılmıştır. Çalışma sonucunda EEG kayıtlarının sınıflandırılması için öznitelik seçme algoritmalarının uygulanmasının daha yüksek başarımlı sonuçlar verdiği ve bu çalışmada ele alınan öznitelik seçme yöntemlerinden, özdeğer merkeziyetine göre öznitelik seçimi Ecfs ve sonsuz öznitelik seçimi Inffs yöntemlerinin filtre tabanlı yaklaşımlar arasında en iyi sonuçları verdiği gözlenmiştir.

 Beyin bilgisayar arayüzleri BBA, beyin elektriksel aktivitelerini kontrol komutlarına çevirerek bilgisayar veya nöroprostetik kol gibi yardımcı teknolojilerin kullanılmasını sağlayan sistemlerdir. Bu çalışmada filtre tabanlı öznitelik seçim yöntemlerinin farklı sınıflandırma algoritmaları ile birlikte kullanılmasının BBA sistemlerine getirebileceği kazanımlar araştırılmıştır. Bu çerçevede nöroprostetik bir cihazın kontrolü için tasarlanan BBA sisteminden elde edilmiş EEG kayıtları analiz edilmiştir. EEG kayıtlarının analizi için delta 1.0-4 Hz, teta 4-8 Hz, alfa 8-12 Hz, beta 12-25 Hz, yüksek-beta 25-30Hz ve gama 30-50 Hz frekans bantlarından ve delta 1-4 Hz, teta 4-8 Hz, alfa1 8-10 Hz, alfa2 10-12 Hz, beta1 12-15 Hz, beta2 15-18 Hz, beta3 18-25 Hz, gama1 30-35 Hz, gama2 35-40 Hz, gama3 40-50 Hz alt frekans bantlarından bant gücü öznitelikleri çıkarılmıştır. Elde edilen iki veri seti öznitelik seçimi uygulamadan ve öznitelik seçimi uygulayarak sınıflandırılmıştır. Çalışmada toplam 10 adet filtre tabanlı öznitelik seçimi yöntemi ile birlikte, doğrusal ayırt eden analizi, rassal ormanlar, karar ağaçları ve destek vektör makinaları sınıflandırma algoritmaları kullanılmıştır. Çalışma sonucunda EEG kayıtlarının sınıflandırılması için öznitelik seçme algoritmalarının uygulanmasının daha yüksek başarımlı sonuçlar verdiği ve bu çalışmada ele alınan öznitelik seçme yöntemlerinden, özdeğer merkeziyetine göre öznitelik seçimi Ecfs ve sonsuz öznitelik seçimi Inffs yöntemlerinin filtre tabanlı yaklaşımlar arasında en iyi sonuçları verdiği gözlenmiştir.

 Beyin bilgisayar arayüzleri BBA, beyin elektriksel aktivitelerini kontrol komutlarına çevirerek bilgisayar veya nöroprostetik kol gibi yardımcı teknolojilerin kullanılmasını sağlayan sistemlerdir. Bu çalışmada filtre tabanlı öznitelik seçim yöntemlerinin farklı sınıflandırma algoritmaları ile birlikte kullanılmasının BBA sistemlerine getirebileceği kazanımlar araştırılmıştır. Bu çerçevede nöroprostetik bir cihazın kontrolü için tasarlanan BBA sisteminden elde edilmiş EEG kayıtları analiz edilmiştir. EEG kayıtlarının analizi için delta 1.0-4 Hz, teta 4-8 Hz, alfa 8-12 Hz, beta 12-25 Hz, yüksek-beta 25-30Hz ve gama 30-50 Hz frekans bantlarından ve delta 1-4 Hz, teta 4-8 Hz, alfa1 8-10 Hz, alfa2 10-12 Hz, beta1 12-15 Hz, beta2 15-18 Hz, beta3 18-25 Hz, gama1 30-35 Hz, gama2 35-40 Hz, gama3 40-50 Hz alt frekans bantlarından bant gücü öznitelikleri çıkarılmıştır. Elde edilen iki veri seti öznitelik seçimi uygulamadan ve öznitelik seçimi uygulayarak sınıflandırılmıştır. Çalışmada toplam 10 adet filtre tabanlı öznitelik seçimi yöntemi ile birlikte, doğrusal ayırt eden analizi, rassal ormanlar, karar ağaçları ve destek vektör makinaları sınıflandırma algoritmaları kullanılmıştır. Çalışma sonucunda EEG kayıtlarının sınıflandırılması için öznitelik seçme algoritmalarının uygulanmasının daha yüksek başarımlı sonuçlar verdiği ve bu çalışmada ele alınan öznitelik seçme yöntemlerinden, özdeğer merkeziyetine göre öznitelik seçimi Ecfs ve sonsuz öznitelik seçimi Inffs yöntemlerinin filtre tabanlı yaklaşımlar arasında en iyi sonuçları verdiği gözlenmiştir.

Makale detayları

Filtre modelli öznitelik seçim algoritmalarının EEG tabanlı beyin bilgisayar arayüzü sistemindeki karşılaştırmalı sınıflandırma performansları

Yazarlar: Cem Bulut | Tuğçe Ballı | Emrullah Fatih Yetkin

Yayıncı: Gazi University

Ana Başlıklar: Mühendislik

Dergi: Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi Vol.38 Issue 4, pp.2397-2408

Belge Tipi: Makale

Yayın Tarihi: 12/2023

Belge Dili: Türkçe

Document ID (Org No.): 2001287721

pISSN: 1300-1884

BBA

EEG

bant gücü

öznitelik seçme

sınıflandırma

Sayı

Yazarlar:

Cem Bulut | Tuğçe Ballı | Emrullah Fatih Yetkin

Yayıncı:

Gazi University

Ana Başlıklar:

Mühendislik

Dergi:

Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi Vol.38 Issue 4, pp.2397-2408

Belge Tipi:

Makale

Yayın Tarihi:

12/2023

Belge Dili:

Türkçe

Document ID (Org No.):

2001287721

pISSN:

1300-1884