No abstract

No abstract

Anahtar kelimeler: Düşme tespiti, Anomali tespiti, Gauss karışım modeli. Öz Yaşlı nüfusunun hızla artması ve yaşlılığa bağlı olarak karşılaşılan fiziksel, duyusal ve bilişsel gerilemeler, düşmeyi her geçen gün büyüyen bir problem olarak karşımıza çıkarmakta ve düşme tespiti çalışmalarının hız kazanmasına sebep olmaktadır. Günlük aktivitelerin düşmeden ayırt edilmesinden ibaret olan düşme tespiti probleminde, denetimli öğrenme yaklaşımları kullanılmasına rağmen, düşmenin nadir rastlanan ve çok farklı biçimlerde karşılaşılabilen bir olay olması genel bir model elde edilmesine izin vermemektedir. Bu çalışmada denetimsiz anomali tespiti ile düşmenin belirlenmesi önerilmektedir. Denetimsiz öğrenme modelinin elde edilmesinde ve model vasıtasıyla düşmenin tespitinde 35 tip düşme ve 44 tip günlük aktiviteye sahip kapsamlı bir veri setinden faydalanılmıştır. Denetimsiz öğrenme yöntemi olan Gauss karışım modelinin eğitiminde, günlük aktivitelerden toplanan 3-eksen ivmeölçer sinyallerinden elde edilen öznitelikler kullanılmıştır. Test aşamasında model, düşme ve günlük aktivite verileri ile karşılaşmış, modele göre olasılığı çok düşük olan veriler anomali, dolayısıyla düşme olarak kabul edilmiştir. Testlerde düşmeler %91 civarında doğru olarak tespit edilmiş ve elde edilen sonuçlar literatür ile karşılaştırılmıştır. Sonuçlar düşmenin anomali tespiti yaklaşımları ile belirlenebileceğini ve makine öğrenmesi modelinin elde edilmesi için yalnız günlük aktivite verilerinin yeterli olduğu yaklaşımını doğrulamaktadır.

Özetçe-Bu çalışmada durağan hal görsel uyarılmış potansiyel temelli beyin bilgisayar arayüzü tasarımı ve uygulaması gerçekleştirilmiştir. Beyin sinyallerinin elde edilebilmesi için taşınabilir ve uygun fiyatlı bir EEG cihazından faydalanılmıştır. Görsel uyaran kaynağı olarak bilgisayar monitörü tercih edilmiştir. Online ve offline deneylerde, kullanıcının odaklanmış olduğu görsel uyaranın tespit edilebilmesi için EEG sinyalinin görsel uyaranların frekansındaki bileşenlerinin genlik değerleri ve korelasyon katsayısı özniteliklerinin her ikisi de test edilmiştir. Sınıflandırma aşamasında farklı sınıflandırma metotlarının performansı kıyaslanmış ve tablolar halinde sunulmuştur.Anahtar Kelimeler -Beyin bilgisayar arayüzü; durağan hal görsel uyarılmış potansiyel; Emotiv Epoc.Abstract-In this study, steady-state visual evoked potential based brain computer interface design and implementation was being carried out. A portable and affordable EEG device was used to obtain brain signals. Computer monitor were preferred as visual stimuli source. In offline and online experiment, for detection of target visual stimulus selected by user, the amplitude of the EEG signal components, which correspond visual stimulus frequencies, and correlation coefficient features were tested. In the classification stage the performance of different classification methods were compared and presented along tables.Keywords -brain-computer interfaces; steady-state visual evoked potential; Emotiv Epoc. I. GİRİŞBeyin Bilgisayar Arayüzleri (BBA); kullanıcıya, dış dünya ile haberleşme ve kontrol faaliyetleri için, beynin normal çıkış kanalları olan çevresel sinir sistemine ve kaslara bağımlı olmayan çıkış yolları sağlar. BBA çalışmaları, bilinçli kas kontrollerine ihtiyaç duyulduğu geleneksel teknolojilerin kullanılmasını imkânsız kılan motor hastalıklarına sahip kişiler için yepyeni iletişim seçenekleri sunabilmektedir [1]. Bu çalışma Karabük Üniversitesi Bilimsel Araştırma Projesi kapsamında desteklenmektedir. Beyin Bilgisayar Arayüzleri; kişinin bilinçli beyin faaliyetleri (bir uzvunu hareket ettirdiğini hayal etmesi, bir noktaya dikkatini vermesi… vb.) yürüttüğü esnada ortaya çıkan sinyalleri toplayıp, bu sinyallere ileri sinyal işleme metotları uygulayarak kişinin zihinsel faaliyetini tespit etmeye çalışan ve bu faaliyet ile ilişkilendirilmiş fonksiyonu (robot kolun, bilgisayarın kontrolü…) icra eden sistemlerdir. Kısaca BBA sistemi, kişiye yalnızca beynini kullanarak haberleşme ve kontrol imkânı sunmaktadır [2]. BBA araştırmalarının başlıca hedefi engelli kişiler olmakla birlikte [3], sinirbilim araştırmaları, cihazların ve robotların uzaktan kontrolü, akıllı ev uygulamaları, oyun sektörü uygulamaları gibi birçok çalışma alanı da hedefleri içerisinde yer almaktadır [4], [5]. Son yıllardaki BBA çalışmalarında sinyal kaynağı olarak durağan hal görsel uyarılmış potansiyeller (SSVEP), olaya ilişkin potansiyeller ve Sensör-Motor aktivitesi tercih edilmektedir [6]. Bunların arasından, SSVEP temelli beyin bilgisayar arayüzleri noninvazif yöntemle sinya...

Beyin-bilgisayar arayüzünün (BBA) amacı, ciddi engelli bireylerin günlük yaşamlarını desteklemektir. Pratik BBA için en önemli faktörlerden biri olan kullanım kolaylığı, az sayıda elektrot kullanıldığında artmaktadır. Ancak az sayıda elektrot kullanılması BBA performansını olumsuz yönde etkiler. Bu çalışmada, tek kanallı durağan hal görsel uyarılmış potansiyel (DHGUP) temelli BBA'nın performansını artırmak ve böylece kullanım kolaylığını desteklemek için, deneğe özgü sinüzoit yaklaşımı (DÖSY) ile yeni bir tek kanallı DHGUP algılama yöntemi geliştirilmiştir. DÖSY'de deneğe özgü sinüzoitler, eğitim aşamasında DHGUP'nin frekans ve faz özelliklerinden faydalanılarak tanımlanmıştır. Tanımlanan bu sinüzoitler, test aşamasında, DHGUP yanıtının tespitinde referans olarak kullanılmıştır. Geliştirilen yöntemin tespit performansı, bir kıyaslama veri setinde, iyi bilinen güç spektral yoğunluk analizi (GSYA), minimum mutlak büzülme ve seçim operatörü (MMBSO) ve gelişmiş kanonik korelasyon analizi (KKA) yöntemleri ile karşılaştırılarak test edilmiştir. Deneysel sonuçlar, DÖSY yöntemiyle, GSYA, MMBSO ve gelişmiş KKA yöntemlerine kıyasla önemli ölçüde daha yüksek tespit doğruluğu ve bilgi aktarım hızı (BAH) göstermiştir. Ve deneğe özgü sinüzoitlerin gelişmiş KKA'da kullanılan şablon sinyallerden daha iyi DHGUP yanıtını temsil ettiği gösterilmiştir. Ek olarak önerilen yöntem, tek kanallı DHGUP tabanlı BBA için maksimum 125 ve ortalama 81 bit / dak BAH ile, bildirilen en yüksek BAH değerlerinden birine ulaşmıştır.