Elektroensefalografi ve yakın kızılötesi spektroskopi tabanlı hibrit model kullanarak beyin bilgisayar arayüzü sisteminin performansının arttırılması

Beyin Bilgisayar Arayüzü (BBA)'lar çeşitli beyin aktivitesini ölçen cihazlardan alınan sinyalleri giriş olarak kullanabilir. Bunlar arasından elektroensefalografi (EEG) diğer yöntemlere göre bazı avantajlara sahip olmasından dolayı BBA çalışmalarında yaygın kullanılmaktadır. Ancak, bu çalışmalar ile BBA sistemlerinin performansının etkin olmaması, benzer deney içeriklerine sahip çalışmaların yaygınlığı ve yeni deney içerikli çalışmaların ise bazı dezavantajlara sahip olması araştırmacıları deney paradigması tabanlı çalışmalara yönlendirmektedir. Buna ek olarak nöral aktiviteyi kaydetmeye yarayan beyin görüntüleme yöntemlerinin kendilerine özgü avantaj ve dezavantajları vardır. Bu bakış açısına dayanarak, birbirlerinin dezavantajlarını telafi eden çoklu sinyal kayıt yöntemlerinin birleştirilmesinin BBA sisteminin performansını artıracağı söylenebilir. EEG'nin aksine, diğer yöntemler arasından yakın kızılötesi spektroskopisi (YKS), vücut hareketlerine ve elektrikli ürünlere karşı göreceli sağlamlık avantajına sahiptir. Bu tez çalışmasında özgün deney paradigmasına sahip 4 sınıflı hibrit EEG+YKS veri kümesi kaydedilmiştir. Sağa, sola, yukarıya ve aşağıya kayan yazı okumaya dayalı bu özgün veri kümesinin hibrit modalite kullanımı ile yüksek başarımlı bir BBA sistemi önerilmiştir. EEG+YKS veri kümesi, FHD-2020-9166 nolu Karadeniz Teknik Üniversitesi BAP projesi kapsamında destek alınarak hizmet alımı ile Atatürk Üniversitesinde kaydedilmiştir. Daha hızlı ve doğru BBA sisteminin oluşturulmasının amaçlandığı bu tez çalışmasında, veri kümesinden Hilbert Dönüşümü kullanarak öznitelikler çıkarılmış ardından öznitelikler k-en yakın komşu algoritması ile sınıflandırarak hibrit model ile %96.28±1.30 sınıflandırma doğruluğu hesaplanarak yüksek performanslı bir hibrit BBA sistemi önerilmiştir.