Spatial decoding of oscillatory neural activity for brain computer interfacing

Nöral protezler, hareket kısıtlayıcı rahatsızlığı olan hastaların çevreleriyle olan iletişimini sağlamayı amaçlamaktadır. Bu tür bir iletişim kanalı sağlamak için nörofizyolojik işaretleri nöral protezlerin anlayacağı komutlara çeviren sinyal işleme teknikleri gerekmektedir. Bu tezde, el parmaklarının elektrokortikogram (ECoG) sinyallerini ve hayali el ve ayak hareketlerinin elektroensefalogram (EEG) sinyallerini dayanıklı sistemler geliştirmek için kullandık. İlk önce parmakların hareketsizlik ve hareket durumlarını tahmin etmek için destek vektör makineleri (SVM) ile saklı Markov modeline (HMM) dayalı melez durum algılama yöntemi geliştirdik. Bu yöntem ECoG sinyali kullanılarak serbest tempolu bir nöral protezi tetiklemek için kullanılabilir. Bu melez model, SVM ile HMM'in birleştirilmesiyle oluşturulmuştur. HMM'nin saklı iç durum gözlemlerinin olasılıkları SVM'in ayırıcı çıktıları tarafından temsil edilmektedir. SVM tabanlı hareket çözümleyicinin hem fazla, hem de az sayıda öğretici veri için sınıflama sonucunu arttırdığı gözlemlenmiştir. Bir sonraki adımda, bir beyin makine arayüzü (BMI) geliştirmek için ECoG sinyali kullanılarak tek tek parmak hareketlerinin sınıflandırma sorunu üzerinde çalışıldı. Bu özel sorun için BMI uygulamalarında sıkça kullanılan ortak uzamsal örüntü (CSP) metodu kullanılmıştır. CSP metodu çok kanallı nöral etkinliğinden bir dizi uzamsal izdüşüm vasıtasıyla öznitelik çıkarmakta kullanılmaktadır. İkiden fazla sınıfı ayırmaya çalıştığımız için, ikili CSP metodu çoklu sınıflarda kullanılmak üzere genişletilmiştir. Bu genişletme parmakların tek olarak ve grup olarak birbirleri ile karşılaştırılmaları ile sağlanmıştır. Parmak grupları, komşu iki parmak (örneğin baş ve işaret parmakları) ve kalan parmaklar ayrı iki sınıf olacak şekilde oluşturulmuştur. Geri kalan bölümlerde ise CSP metodunun problemleri araştırılmış ve bu problemleri çözmek için yeni teknikler ortaya konulmuştur. CSP metodu, eğitim deneme sayısı yeterli olmadığı durumlarda genellikle veriye fazla uyum göstermektedir. Ayrıca CSP metodu, BMI sistemlerinin günlük hayatta kullanılmalarını sınırlayan çoklu elektrotların yerlerindeki günlük değişimlere karşı duyarlıdır. Bu problemlerin üstesinden gelebilmek için kullanılan kanal sayısı uygun şekilde sınırlandırılmalıdır. Bu problemleri çözmek ve kanal sayısını sınırlandırmak için uzamsal olarak seyrek izdüşüm (SSP) metodu geliştirilmiştir. Bu metot, yeni bir amaç fonksiyonu ile yaklaşık olarak L1 norm ceza fonksiyonunun kısıtsız eniyilemesini kullanmaktadır. Ayrıca, fırsatçı L0 norm tabanlı kanal seçim algoritmaları incelenmiştir ve salınan arama (OS) yöntemi önerilmiştir. OS yöntemi, geri elimine etme (BE), ileri seçim (FS) ve özyinelemeli ağırlığın ortadan kaldırılması (RWE) tekniklerinin birleşiminden oluşmaktadır. Bu yöntem hesaplama karmaşıklığını azaltmak ve az miktarda eğitim verisi olduğu durumunda sınıflandırma doğruluğunu artırmak için kullanılmıştır. Son olarak sınıflama doğruluğunu arttırmak için verinin ayırma ve temsil etme vasıfları hareketsizlik düzenleme metodu ile birleştirilmiştir. Anahtar sözcükler: Beyin bilgisayar arayüzleri (BCI), beyin makine arayüzleri (BMI), ortak uzamsal örüntü(CSP),destek vektör makineleri (SVM), elektroensefalogram (EEG), doğrusal ayırtaç çözümleyici (LDA), saklı Markof modeli (HMM), elektrokortikogram (ECoG), hata düzeltici çıktı kodları (ECOC).