Uyarlanabilir dalgacıklar ve yerel ayırımcı tabanlar ile EEG analiz ve sınıflaması

ÖZDOKTORA TEZİUYARLANABİLİR DALGACIKLAR VE YEREL AYRIMCITABANLARLA EEG ANALİZİ VE SINIFLAMASINuri Fırat İNCEÇUKUROVA ÜNİVERSİTESİFEN BİLİMLERİ ENSTİTÜSÜELEKTRİK ELEKTRONİK MÜHENDİSLİĞİ BÖLÜMÜDanışman : Yrd. Doç.Dr. Sami ARICAİkinci Danışman : Prof. Dr. Pekcan UNGANYıl : 2005, Sayfa: 99Juri : Prof. Dr. Yakup SARICADoç.Dr.. Caner ÖZDEMİRDoç. Dr. Turgut İKİZYrd. Doç. Dr. Ali KOKANGÜLElektroensefalogram (EEG) son yıllarda engelli kişilerin çevreleri ile iletişim vekontrol kurmalarında önemli bir araç haline gelmiştir. Beyin Bilgisayar arabirimi (BrainComputer Interface, BCI) olarak adlandırılan, EEG de herhangi bir kas işlevi gerektirmedenoluşan belirli birtakım imgelerin analizi ve sınıflaması ile oluşturulmaktadır. Hareketinhayali de böylesi bir davranışa sahiptir ve BCI için bir strateji olarak kullanılabilir. Hareketinhayali ile EEG de oluşan imgeler aynı zamanda gerçek hareketle de güçlü bir bağ içerir. Tekbir kayıtta EEG nin BCI amaçlı analizi ve sınıflanması için bir çok metod kullanılmıştır.Genellikle bu metodlar sabit zaman ve frekans noktalarını kullanmaktadırlar. Halbuki EEGdurağan değildir ve kişiye özgü imgeler içerir. Bu nedenle lokal ve kişiye bağlı bilgininotomatik olarak çıkarılması büyük önem taşır. Bu tezde gerçek ve hayal edilen elhareketlerine ait EEG kayıtlarını analiz etmek ve sınıflayabilmek için uyarlanabilir birzaman-frekans yaklaşımı araştırılmıştır. İlk olarak gerçek hareket EEG si, Yerel KosinüsPaketlerinden entropinin minimize edilmesi ile elde edilen, en iyi tabanlar (Best Bases, BB)algoritması ile zamanda uyarlanabilir olarak bölütlenmiştir. BB analiz bölütlerini ayarlayarakzamanla değişen özellikleri yakalamıştır ki bu bölütlerin fizyolojik duruma karşılık geldiğineinanılmaktadır. Bir sonraki adımda BB nin değiştirilmiş bir versiyonu olan Yerel AyırımcıTabanları (Local Discriminant Bases, LDB), sağ ve sol el hareket hayallerini sınıflama için,kişiye özgü nitelikleri zaman ve frekans bölgesinden otomatik olarak çıkarmıştır. Ne yazık kibu metodun kaydırma karşı değişmezliği yoktur ve yüksek boyutlu uzaya neden olmaktadır.Bu nedenle Mel-skalası, temel bileşen analizi (Principal Component Analysis, PCA) vedevirli kaydırma (Spin Cycle) gibi özellik çıkarıcı ve boyut azaltıcı işlemler sınıflamabaşarısını artırmak için kullanılmıştır. İlginç sonuçlardan biri uyarlanabilir bölütlemenin veözelliklerin kişiler arasında ve de aynı kişide her iki hemisferde farklı olmasıdır. Algoritmasadece zaman ve frekansa değil aynı anda uzaya da uyarlanmıştır. Daha ileri bir adım olarakelektrodların sayısı diğer kortikal bölgelerden yararlanmak için artırılmıştır. Sonuç olarakalgoritma BCI teknolojisi için umut verici başarıya sahiptir.Anahtar Kelimeler: EEG, Beyin Bilgisayar Arabirimi, Hareketin Hayali, UyarlanabilirZaman-Sıklık Analizi.II