Eeg tabanlı robotik kol kontrolü için makine öğrenme algoritmalarının uygulanması

Abstract

Electroencephalography (EEG) analysis has been an important subject of several studies like neuroscience, medical diagnosis and rehabilitation engineering. EEG is widely used with brain-computer interface (BCI) systems because of its ability to use brain signals not muscles to control an external BCI prosthetic device. With the development of technology, it became possible to use large EEG datasets and BCI method to extract an understandable information. In this present work, EEG-based BCI system is used by making participants perform a series of grasping and lifting hand movements. Dataset which consists of EEG and EMG information has been implemented via 15 machine learning algorithms as multiclass classification. The best results came from IB1 algorithm. But, random forest, bagging and classification via regression algorithms also have promising outcomes. Hence, this study successfully proved that it is possible to help patients with no hand function to gain control.Elektroensefalografi (EEG) analizi; sinir bilimi, tanı ve rehabilitasyon mühendisliği gibi birçok çalışmanın önemli bir konusu olmuştur. EEG'nin büyük ölçüde beyin-bilgisayar ara yüzü (BCI) ile kullanılmasının nedeni bu sistemin dış protez cihazlarını kaslar yerine beyin dalgaları ile kullanabilme yeteneğidir. Teknolojinin gelişmesi ile, anlaşılabilir bir bilgi çıkarmak için daha büyük EEG veri tabanları ve BCI metodu kullanmak mümkün hale gelmiştir. Bu çalışmada, katılımcılara bir seri kavrama ve kaldırma el hareketleri yaptırılarak EEG tabanlı BCI metodu kullanıldı. EEG ve EMG bilgisinden oluşan veri 15 makine öğrenimi algoritmasıyla çok sınıflı sınıflandırma kullanılarak uygulandı. En iyi sonuçlar IB1 algoritmasından geldi. Ancak, random forest, bagging ve classification via regression algoritmaları da umut verici sonuçlar gösterdi. Böylece bu çalışma başarılı bir şekilde el fonksiyonu çalışmayan hastaların kontrol kazanmasına yardımcı olmanın mümkün olduğunu kanıtladı.