EEG Verileri Kullanılarak Fiziksel El Hareketleri ve Bu Hareketlerin Hayalinin Yapay Sinir Ağları İle Sınıflandırılması

Mustafa Tosun; Mustafa Erginli; Ömer Kasım; Burak Uğraş; Şems Tanrıverdi; Tayfun Kavak

doi:10.35377/saucis.01.02.443999

TR EN

EEG Verileri Kullanılarak Fiziksel El Hareketleri ve Bu Hareketlerin Hayalinin Yapay Sinir Ağları İle Sınıflandırılması

Öz

Son yıllarda teknolojinin gelişmesi sonucunda beyin bilgisayar arayüzü ile ilgili çalışmalar artmıştır. Beyin Bilgisayar Arayüzü (Brain Computer Interface-BCI) yöntemlerinde Elektroansefalogram (Electroencephalogram-EEG) işaretleri yaygın olarak kullanılmaktadır. EEG verileri kullanılarak fiziksel hareketle hareketin hayali sınıflandırılabilmektedir. Bu çalışmada sağ elini kullanan ve hastalık durumu olmayan 21 yaşındaki bir erkeğe ait EEG verileri kullanılmıştır. Bu verilerin bir kısmı sol ve sağ elin ileri-geri hareketi esnasında kaydedilen EEG verileridir. Diğer veriler ise herhangi bir fiziksel hareket yapılmadan, hareketin hayal edilmesi durumu ile ilgili kayıtlardır. Welch metodu kullanılarak EEG verilerinin 1-48 Hz arasındaki frekanslarının güç yoğunlukları hesaplanmıştır. Elde edilen veri setleri tasarlanan Geri Yayılımlı Sinir Ağı (Backpropagation Neural Network- BPNN) ‘ na uygulanmıştır. Ağın eğitimi sonunda 4.6731x10-23 ortalama karesel hata (Mean Squared Error -MSE) değerine ulaşılmıştır. Hayal ile hareket verilerinden oluşan test veri seti eğitilen ağa uygulandığında, hayal ile hareket verileri % 99.9975 doğrulukla sınıflandırılmıştır.

References

[1] J. R. Wolpaw, N. Birbaumer, D. J. McFarland, G. Pfurtscheller, and T. M. Vaughan, "Brain–computer interfaces for communication and control," Clinical Neurophysiology, vol. 113, no. 6, pp. 767-791, 2002/06/01/ 2002.
[2] J. B. F. Van Erp, F. Lotte, and M. Tangermann, "Brain-computer interfaces: Beyond medical applications," Computer, Article vol. 45, no. 4, pp. 26-34, 2012, Art. no. 6165246.
[3] S. N. Abdulkader, A. Atia, and M.-S. M. Mostafa, "Brain computer interfacing: Applications and challenges," Egyptian Informatics Journal, vol. 16, no. 2, pp. 213-230, 2015/07/01/ 2015.
[4] R. A. Andersen, S. Musallam, and B. Pesaran, "Selecting the signals for a brain–machine interface," Current opinion in neurobiology, vol. 14, no. 6, pp. 720-726, 2004.
[5] E. Yazgan and M. Korürek, Tıp elektroniği. İTÜ, 1996.
[6] M. Tosun and R. Güntürkün, "Anesthetic gas control with neuro-fuzzy system in anesthesia," Expert Systems with Applications, vol. 37, no. 3, pp. 2690-2695, 2010.
[7] S. K. Bashar, A. R. Hassan, and M. I. H. Bhuiyan, "Identification of motor imagery movements from eeg signals using dual tree complex wavelet transform," in Advances in Computing, Communications and Informatics (ICACCI), 2015 International Conference on, 2015, pp. 290-296: IEEE.
[8] Y.-H. Liu, C.-A. Cheng, and H.-P. Huang, "Novel feature of the EEG based motor imagery BCI system: Degree of imagery," in System Science and Engineering (ICSSE), 2011 International Conference on, 2011, pp. 515-520: IEEE.

[9] K. Saka, Ö. Aydemir, and M. Öztürk, "Classification of EEG signals recorded during right/left hand movement imagery using Fast Walsh Hadamard Transform based features," in Telecommunications and Signal Processing (TSP), 2016 39th International Conference on, 2016, pp. 413-416: IEEE.
[10] S. Bhattacharyya, A. Khasnobish, A. Konar, D. Tibarewala, and A. K. Nagar, "Performance analysis of left/right hand movement classification from EEG signal by intelligent algorithms," in Computational Intelligence, Cognitive Algorithms, Mind, and Brain (CCMB), 2011 IEEE Symposium on, 2011, pp. 1-8: IEEE.
[11] A. H. Do, P. T. Wang, C. E. King, A. Abiri, and Z. Nenadic, "Brain-computer interface controlled functional electrical stimulation system for ankle movement," Journal of neuroengineering and rehabilitation, vol. 8, no. 1, p. 49, 2011.
[12] M. S. Mabrouk, "Non-Invasive EEG-based BCI system for Left or Right Hand Movement," Majlesi Journal of Electrical Engineering, vol. 5, no. 3, 2011.
[13] C. Liu, H. Wang, H. Pu, Y. Zhang, and L. Zou, "EEG feature extraction and pattern recognition during right and left hands motor imagery in brain-computer interface," in 2012 5th International Conference on BioMedical Engineering and Informatics, 2012, pp. 506-510.
[14] N. Robinson and A. P. Vinod, "Bi-Directional Imagined Hand Movement Classification Using Low Cost EEG-Based BCI," in 2015 IEEE International Conference on Systems, Man, and Cybernetics, 2015, pp. 3134-3139.
[15] M. Hajibabazadeh and V. Azimirad, "Brain-robot interface: Distinguishing left and right hand EEG signals through SVM," in 2014 Second RSI/ISM International Conference on Robotics and Mechatronics (ICRoM), 2014, pp. 813-816.
[16] E. Öztemel, "Yapay Sinir Ağlari," PapatyaYayincilik, Istanbul, 2003.
[17] A. Abraham, "129: Artificial Neural Networks," Handbook of Measuring System Design, 2005.
[18] M. Tosun, A. Ferikoğlu, R. Güntürkün, and C. Ünal, "Control of sevoflurane anesthetic agent via neural network using electroencephalogram signals during anesthesia," Journal of medical systems, vol. 36, no. 2, pp. 451-456, 2012.
[19] P. Welch, "The use of fast Fourier transform for the estimation of power spectra: a method based on time averaging over short, modified periodograms," IEEE Transactions on audio and electroacoustics, vol. 15, no. 2, pp. 70-73, 1967.
[20] A. S. Al-Fahoum and A. A. Al-Fraihat, "Methods of EEG signal features extraction using linear analysis in frequency and time-frequency domains," ISRN neuroscience, vol. 2014, 2014.
[21] J. G. Proakis and D. G. Manolakis, "Power spectrum estimation," Digital signal processing; principles, algorithms, and applications, 3rd edn. Prentice Hall, New Jersey, 1996.
[22] (15.06.2018). Project BCI - EEG Motor Activity Data Set. Available: https://sites.google.com/site/projectbci/

Details

Primary Language

Turkish

Subjects

Computer Software

Journal Section

Research Article

Authors

Mustafa Tosun ^*
0000-0001-7167-4561
Türkiye

Mustafa Erginli ^*
Türkiye

Ömer Kasım
Türkiye

Burak Uğraş
Türkiye

Şems Tanrıverdi

Tayfun Kavak
Türkiye

Publication Date

August 1, 2018

Submission Date

July 15, 2018

Acceptance Date

July 21, 2018

Published in Issue

Year 2018 Volume: 1 Number: 2

DOI

https://doi.org/10.35377/saucis.01.02.443999

IZ

https://izlik.org/JA92GZ46UB

Cite

RIS / Bibtex

APA

Tosun, M., Erginli, M., Kasım, Ö., Uğraş, B., Tanrıverdi, Ş., & Kavak, T. (2018). EEG Verileri Kullanılarak Fiziksel El Hareketleri ve Bu Hareketlerin Hayalinin Yapay Sinir Ağları İle Sınıflandırılması. Sakarya University Journal of Computer and Information Sciences, 1(2), 1-9. https://doi.org/10.35377/saucis.01.02.443999

AMA

1.Tosun M, Erginli M, Kasım Ö, Uğraş B, Tanrıverdi Ş, Kavak T. EEG Verileri Kullanılarak Fiziksel El Hareketleri ve Bu Hareketlerin Hayalinin Yapay Sinir Ağları İle Sınıflandırılması. SAUCIS. 2018;1(2):1-9. doi:10.35377/saucis.01.02.443999

Chicago

Tosun, Mustafa, Mustafa Erginli, Ömer Kasım, Burak Uğraş, Şems Tanrıverdi, and Tayfun Kavak. 2018. “EEG Verileri Kullanılarak Fiziksel El Hareketleri Ve Bu Hareketlerin Hayalinin Yapay Sinir Ağları İle Sınıflandırılması”. Sakarya University Journal of Computer and Information Sciences 1 (2): 1-9. https://doi.org/10.35377/saucis.01.02.443999.

EndNote

Tosun M, Erginli M, Kasım Ö, Uğraş B, Tanrıverdi Ş, Kavak T (August 1, 2018) EEG Verileri Kullanılarak Fiziksel El Hareketleri ve Bu Hareketlerin Hayalinin Yapay Sinir Ağları İle Sınıflandırılması. Sakarya University Journal of Computer and Information Sciences 1 2 1–9.

IEEE

[1]M. Tosun, M. Erginli, Ö. Kasım, B. Uğraş, Ş. Tanrıverdi, and T. Kavak, “EEG Verileri Kullanılarak Fiziksel El Hareketleri ve Bu Hareketlerin Hayalinin Yapay Sinir Ağları İle Sınıflandırılması”, SAUCIS, vol. 1, no. 2, pp. 1–9, Aug. 2018, doi: 10.35377/saucis.01.02.443999.

ISNAD

Tosun, Mustafa - Erginli, Mustafa - Kasım, Ömer - Uğraş, Burak - Tanrıverdi, Şems - Kavak, Tayfun. “EEG Verileri Kullanılarak Fiziksel El Hareketleri Ve Bu Hareketlerin Hayalinin Yapay Sinir Ağları İle Sınıflandırılması”. Sakarya University Journal of Computer and Information Sciences 1/2 (August 1, 2018): 1-9. https://doi.org/10.35377/saucis.01.02.443999.

JAMA

1.Tosun M, Erginli M, Kasım Ö, Uğraş B, Tanrıverdi Ş, Kavak T. EEG Verileri Kullanılarak Fiziksel El Hareketleri ve Bu Hareketlerin Hayalinin Yapay Sinir Ağları İle Sınıflandırılması. SAUCIS. 2018;1:1–9.

MLA

Tosun, Mustafa, et al. “EEG Verileri Kullanılarak Fiziksel El Hareketleri Ve Bu Hareketlerin Hayalinin Yapay Sinir Ağları İle Sınıflandırılması”. Sakarya University Journal of Computer and Information Sciences, vol. 1, no. 2, Aug. 2018, pp. 1-9, doi:10.35377/saucis.01.02.443999.

Vancouver

1.Mustafa Tosun, Mustafa Erginli, Ömer Kasım, Burak Uğraş, Şems Tanrıverdi, Tayfun Kavak. EEG Verileri Kullanılarak Fiziksel El Hareketleri ve Bu Hareketlerin Hayalinin Yapay Sinir Ağları İle Sınıflandırılması. SAUCIS. 2018 Aug. 1;1(2):1-9. doi:10.35377/saucis.01.02.443999

EEG Verileri Kullanılarak Fiziksel El Hareketleri ve Bu Hareketlerin Hayalinin Yapay Sinir Ağları İle Sınıflandırılması

EEG Verileri Kullanılarak Fiziksel El Hareketleri ve Bu Hareketlerin Hayalinin Yapay Sinir Ağları İle Sınıflandırılması

Öz

EEG Verileri Kullanılarak Fiziksel El Hareketleri ve Bu Hareketlerin Hayalinin Yapay Sinir Ağları İle Sınıflandırılması

Abstract

Keywords

References

Details

Primary Language

Subjects

Journal Section

Authors

Publication Date

Submission Date

Acceptance Date

Published in Issue

DOI

IZ

Cite

Cited By

Gastronomi, Müzik ve Beyin

Derin Sinir Ağları ile En İyi Modelin Belirlenmesi: Mantar Verileri Üzerine Keras Uygulaması

EOG İşaretini Kaynak İşaret Olarak Kullanmak Üzere Etkin Özelliklerin Belirlenmesi