EOG Artefaktları Kullanılarak Yörünge Tabanlı Sınıflandırma: Felçli Bireyler İçin Alternatif Bir İnsan-Makine Arayüz Yaklaşımı

Günümüzde, doğuştan veya omurilik yaralanması gibi sinir sistemi problemleri sebebiyle tamamen felç olmuş bireylerin günlük ihtiyaçlarını karşılayabilmeleri için Beyin-bilgisayar arayüz (BBA) sistemleri geliştirilmiştir. BBAlar, çeşitli cihazları kullanarak topladığı beyin sinyallerini bilgisayarlar aracılığıyla işleyerek, çevre cihazları harekete geçirmek için çıktı komutları üreten sistemlerdir. Fakat BBA sistemlerinin kullanıcılar üzerinde bazı olumsuz etkileri vardır. Bu çalışmada, Görsel uyaran potansiyel (GUP) ve P300 gibi görsel uyaran tabanlı BBA sistemlerinde kullanılan farklı frekans değerlerinde titreşen uyaranların sistem kullanıcılarının göz sağlığı üzerinde meydana getirdiği olumsuz etkiyi azaltmak amacıyla; hareketli nesneler yaklaşımını kullanan bir İnsan-Makine Arayüz (İMA) sistemi önerilmiştir. Sistem, kullanıcının hareketli topları odaklanarak takip etmesi sonucunda Elektrosefalografi (EEG) sinyallerinde meydana gelen Elektrookülografi (EOG) artefaktlarını kullanarak hareket yörüngelerini makine öğrenme algoritmaları ile sınıflandırmayı amaçlamaktadır. Çalışma, Emotiv EPOC EEG cihazı aracılığıyla dört farklı rotada hareket eden toplar içeren yaklaşım kullanılarak sağlıklı 8 denek üzerinde gerçekleştirilmiştir. Kaydedilen ham verilere ön işleme aşamaları uygulanmıştır ve etkin kanal seçimi yapılmıştır. Tespit edilen etkin kanallara (AF3, AF4) ait verilere Güç Spektral Yoğunluğu (GSY) ve Ayrık Dalgacık Dönüşümü (ADD) yöntemleri uygulanmıştır. Her yöntem için öznitelikler çıkartılmış ve k-en yakın komşu (k-EYK) ve Lineer Diskriminant Analiz (LDA) algoritmaları kullanılarak sınıflandırılmıştır. GSY yöntemi için LDA ve k-EYK algoritmaları ile sırasıyla 93.86%, 92.62% doğruluk oranları ve 31.42 (bit/dk), 30.10 (bit/dk) ITR değerleri hesaplanmıştır. ADD yöntemi için ise sırasıyla 92.84%, 92.17% doğruluk oranları ve 30.36 (bit/dk), 29.62 (bit/dk) ITR değerleri elde edilmiştir. Karşılaştırılan iki yöntemden GSY’nin ADD’ye göre daha yüksek doğruluk oranları ve ITR değerleri verdiği, LDA algoritmasının k-EYK algoritmasından daha başarılı olduğu gözlemlenmiştir.