Eeg sinyalleri ile cihaz kontrolü

Beyinde meydana gelen elektriksel aktivitelerin ölçülmesinde ve analiz edilmesinde sırasıyla Elektroansefalografi (EEG), Pozitron Emisyon Tomografisi (PET), Tek Foton Emisyonlu Bilgisayarlı Tomografi (TFEBT), Magnetoensefalografi (MEG) ve fonksiyonel Manyetik Rezonans Görüntüleme (fMRG) teknikleri kullanılmaktadır. Ancak maliyet, boyut ve vücuda zarar verme riski açısından en güvenilir beyin sinyali ölçme ve analiz tekniği EEG olarak kabul edilmiştir. EEG sinyalleri beyin aktivitesinin analiz edilmesinde kullanılan en temel yöntemlerden biridir. EEG beyinde meydana gelen elektriksel aktiviteyi değerlendirmek için bir test aracı olarak kullanılmaktadır. 1929'da Hans Berger tarafından ilk kez insan EEG'sinin tanıtılmasıyla beyin aktivitelerinin ölçümü yapılmıştır. Yüzyıla yakın bir süredir EEG tanı aracı olarak kullanılmaktadır. EEG Beyin-Bilgisayar Arayüzü (BBA) denilen sistemlerde de kullanılmıştır. Nörologlar, bir hastanın beyin dalgası aktivitesindeki şekillere tanı koyarak epilepsi, nöbet veya diğer nörolojik rahatsızlıklara neden olan anormalliklerin bulunmasını sağlamışlardır. BBA'nın gelişmesiyle kısmi engelliler ve kas sisteminde sağlık problemlerine maruz kalan bireylerin yaşam kaliteleri artırılmıştır. Bu bireylerin özellikle de hareket kabiliyetlerini yitirmiş felçli hastaların hayata tutunma olanakları artırılmış ve onlara yardımcı olacak sistemler geliştirilmiştir. Günümüzde birçok bilim insanı bu konu üzerinde çalışmaktadır. EEG tabanlı BBA'ya ait birçok yöntem literatürde mevcuttur. Bu yöntemler arasında gerçek zamanlı BBA'larda çoklu sınıf ve doğruluk oranı göz önüne alındığında en çok kullanılan görsel uyaran tabanlı yöntemlerdir. Bu tez çalışmasında Sabit Durum Görsel Uyaran Potansiyel (SDGUP) tabanlı EEG sinyal analizi gerçekleştirilmiş. Amaca uygun olarak bireyin ekran üzerinde belli frekanslarda titreşen sol (6,66 Hz), sağ (8.57 Hz) ve yukarı (12 Hz) olmak üzere üç farklı yönü gösteren şekillere bakması istenilmiştir. Birey ekran üzerindeki titreşen şekillere bakarken Emotiv Epoc+ cihazı ile EEG sinyalleri bilgisayar ortamına alınmış, OpenVibe ve Matlab yazılım platformunda bu sinyaller analiz edilip sinyal anlamlandırma işlemi gerçekleştirilmiştir. OpenVibe'da kişisel EEG sinyal verileri kullanılarak sistem ağı eğitilmiştir. Daha sonra eğitilen bu ağ kullanılarak gerçek zamanlı EEG sinyalleri ile sistem online olarak test edilmiştir. Matlab yazılım ortamına alınan EEG sinyalleri ise bant geçirgen filtreden geçirilmiş daha sonra Hilbert ve Kısa Zamanlı Fourier Dönüşüm işlemlerine tabi tutulmuştur. Deneğin baktığı farklı frekanstaki her şekil için görsel olarak uyarıldığı Oksipital bölgede SDGUP cevabı bulma işlemi yapılmıştır. SDGUP cevabı tespit edildikten sonra eğitim için Multimedia Authoring and Management using your Eyes and Mind (MAMEM) kuruluşu tarafından Emotiv Epoc+ cihazı ile on bir denekten toplanmış veri Yapay Sinir Ağları (YSA) ve Destek Vektör Makinaları (DVM) ile eğitim için kullanılmıştır. Eğitilen sınıflandırıcı ağını test için Emotiv Epoc+ cihazı ile kişisel EEG verileri kullanılmıştır. Bu şekilde bireyin ekran üzerinde hangi yöne baktığı beyin sinyalleri kullanılarak tespit edilmiş ve Lego Mindstorm EV3 robotu bu yönlere göre hareketi sağlanarak kontrol edilmiştir. Sonuçların başarılı bir şekilde test edilmesi gelecekte nano teknolojiler ve mobil cihazlar ile sistem bütünleştirilerek EEG tabanlı BBA çalışmalarında cihaz kontrolünün çok daha hassas, hızlı ve başarılı olacağı hakkında ümit vermektedir.