Beyin bilgisayar arayüzü işaretlerinin farklı zaman dilimlerinden çıkarılmış özniteliklerle sınıflandırma doğruluğunun arttırılması

Son yıllarda biyomedikal mühendisliği alanında yapılan çalışmalar, sağlıklı bir insan beyninin, kişinin hiç bir kas hareketi yapmadan sadece düĢünerek çeĢitli elektronik cihazları kontrol edebileceğini ve felçli hastaların hayatlarını kolaylaştıracak olan beyin bilgisayar arayüzü (BBA) sistemlerinin oluĢturulabileceğini göstermiĢtir. Bu tez çalışmasında, amyotrofik lateral skleroz gibi kas sistemlerini kullanamayan hastaların hayatlarını kolaylaştırmak için BBA sistemlerinin temelini oluşturan elektroensefalografi (EEG) ve elektrokortikografi (ECoG) işaretleriyle çalışılarak, bu işaretlerin farklı zaman dilimlerinden (epok) çıkarılan öznitelikler ile sınıflandırma doğruluğunun arttırılması amaçlanmıştır. Daha hızlı ve doğru BBA sistemlerinin oluĢturulmasının amaçlandığı bu tez çalışmasında, BCI Competition 2003 Data Set Ia veri kümesi (Veri Kümesi 1), BCI Competition 2005 Dataset I veri kümesi (Veri Kümesi 2) ve Karadeniz Teknik Üniversitesi Elektrik-Elektronik Mühendisliği Bölümü bünyesindeki EEG Araştırma Laboratuvarında gerekli etik izinler alınarak 3 sağlıklı bireyden (A, B, C kişileri) kaydedilmiş EEG veri kümesi (Veri Kümesi 3) kullanılmıştır. Elde edilen sonuçlar literatürde yapılan çalışmalar ile karşılaştırılarak tezde kullanılan yöntemin performansı değerlendirilmiştir. Bu sonuçlara göre önerilen yöntem ile Veri Kümesi 1 ve Veri Kümesi 2 ile sırasıyla %99.31 ve %99.00 sınıflandırma doğrukları (SD) hesaplanarak literatürdeki en iyi sonuçlara ulaşılmıştır. Veri Kümesi 3 ile ise A, B ve C kişisi için sırasıyla %82.24, %62.50, %57.23 SD hesaplanarak literatürdeki çalışmalara göre B ve C kişisi ile %4.6 ve %1.31 oranında SD arttırılırken A kişisi için SD oranı değişmemiştir.