Determining Gaze Information from Steady-State Visually-Evoked Potentials

Ebru SAYILGAN

Makale detayları

Determining Gaze Information from Steady-State Visually-Evoked Potentials

Yazarlar:

Ebru SAYILGAN

Yayıncı:

Zonguldak Bulent Ecevit University

Ana Başlıklar:

Uygulamalı fizik

Dergi:

Karaelmas Science and Engineering Journal 2020 Vol.10 Issue 2, pp.151-157

Belge Tipi:

Makale

Yayın Tarihi:

12/2020

Belge Dili:

İngilizce

Document ID (Org No.):

2000514173

Sıklık:

İki Yıllık

pISSN:

2146-7277

Özet:

 

Brain-Computer Interface (BCI) is a communication system that enables individuals who lack control and use of their existing
muscular and nervous systems to interact with the outside world because of various reasons. A BCI enables its user to communicate
with some electronic devices by processing signals generated during brain activities. This study attempts to detect and collect gaze
data within Electroencephalogram (EEG) signals through classification. To this purpose, three datasets comprised of EEG signals
recorded by researchers from the Autonomous University were adopted. The EEG signals in these datasets were collected in a setting
where subjects’ gaze into five boxes shown on a computer screen was recognized through Steady-State Visually Evoked Potential
based BCI. The classification was performed using algorithms of Naive Bayes, Extreme Learning Machine, and Support Vector
Machines. Three feature sets; Autoregressive, Hjorth, and Power Spectral Density, were extracted from EEG signals. As a result,
using Autoregressive features, classifiers performed between 45.67% and 78.34%, whereas for Hjorth their classification performance
was within 43.34-75.25%, and finally, by using Power Spectral Density their classification performance was between 57.36% and
83.42% Furthermore, classifier performances using Naive Bayes varied between 52.23% and 79.15% for Naive Bayes, 56.32-83.42%
for Extreme Learning Machine, and 43.34-72.27% for Support Vector Machines by regarding classification algorithms. Among
achieved accuracy performances, the best accuracy is 83.42%, achieved by the Power Spectral Density features and Extreme Learning
Machine algorithm pair.

 

Beyin-Bilgisayar Arayüzü (BBA), mevcut kas ve sinir sistemlerini çeşitli nedenlerle kontrol edemeyen bireylerin dış dünya ile etkileşime
girmelerini sağlayan bir iletişim sistemidir. Temel olarak, bir BBA, kullanıcının beyin aktiviteleri sırasında üretilen sinyalleri işleyerek
bazı elektronik cihazlarla iletişim kurmasını sağlar. Bu çalışma, sınıflandırma yoluyla Elektroensafalogram (EEG) sinyalleri içindeki
sabit bakış verilerini belirlemeye ve toplamaya çalışmaktadır. Bu amaçla Autonomous Üniversitesi’ndeki araştırmacılar tarafından
kaydedilen EEG sinyallerinden oluşan üç veri seti incelenmiştir. Bu veri kümelerindeki EEG sinyalleri, deneklerin bilgisayar ekranında
gösterilen beş kutuya bakışlarının Durağan Durum Görsel Uyarılmış Potansiyel bazlı BBA ile tanındığı bir ortamda toplanmıştır. Naive
Bayes, Aşırı Öğrenme Makinesi ve Destek Vektör Makineleri algoritmaları kullanılarak sınıflandırma yapıldı. EEG sinyallerinden
Özbağlanımlı, Hjorth ve Güç Spektral Yoğunluğu olarak üç öznitelik seti çıkarılmıştır. Sonuç olarak, Özbağlanımlı özniteliklerin
kullanıldığı durumda sınıflandırıcılar %45.67 ile %78.34 arasında performans gösterirken, Hjorth özniteliği kullanıldığında
sınıflandırma performansları %43.34-75.25 ve son olarak Güç Spektral Yoğunluğu kullanılarak sınıflandırma performansları %57.36
ile %83.42 arasındadır. Ayrıca sınıflandırma performansları, sınıflandırma algoritmalarına göre Naive Bayes için %52.23 ile 79.15, Aşırı
Öğrenme Makinesi için %56.32-83.42 ve Destek Vektör Makineleri için %43.34-72.27 arasında değişmektedir. Elde edilen doğruluk
performansları arasında en iyi doğruluk değeri, Güç Spektral Yoğunluk özniteliği ve Aşırı Öğrenme Makinesi algoritması çifti ile elde
edilen %83.42 olmuştur.

Makale detayları

Determining Gaze Information from Steady-State Visually-Evoked Potentials

Yazarlar: Ebru SAYILGAN

Yayıncı: Zonguldak Bulent Ecevit University

Ana Başlıklar: Uygulamalı fizik

Dergi: Karaelmas Science and Engineering Journal 2020 Vol.10 Issue 2, pp.151-157

Belge Tipi: Makale

Yayın Tarihi: 12/2020

Belge Dili: İngilizce

Document ID (Org No.): 2000514173

Sıklık: İki Yıllık

pISSN: 2146-7277

Sayı

Yazarlar:

Ebru SAYILGAN

Yayıncı:

Zonguldak Bulent Ecevit University

Ana Başlıklar:

Uygulamalı fizik

Dergi:

Karaelmas Science and Engineering Journal 2020 Vol.10 Issue 2, pp.151-157

Belge Tipi:

Makale

Yayın Tarihi:

12/2020

Belge Dili:

İngilizce

Document ID (Org No.):

2000514173

Sıklık:

İki Yıllık

pISSN:

2146-7277