Eğricik Dönüşümü Ayrıştırması Kullanılarak İki Sınıflı Motor Görüntüsü EEG Sinyallerinin Sınıflandırılması

Abstract

Beyin bilgisayar arayüzü çalışmaları, temel olarak beyin sinyallerini toplamayı, analiz etmeyi ve kullanılmak üzere komutlara çevirmeyi amaçlamaktadır. Beyin sinyallerinin kontrol komutlarına çevrilmesinde elektroensefalogram (EEG) bir olanak sağlamaktadır. Deneğe özgü ve durağan olmayan yapısı nedeniyle EEG sinyallerinin sınıflandırılması zorlu görevlerdendir ve farklı yaklaşımlarla çalışmalar yapılmaktadır. Bu çalışmaların bir bölümü motor hareket hayali içeren beyin aktivitelerinin analizini kapsamaktadır. Bu makale, eğricik dönüşüm ayrıştırmasını kullanan iki sınıflı bir motor görüntüsü sınıflandırma algoritması sunmaktadır. Önerilen algoritma, BBA yarışması IV veri kümesi IIa kullanılarak gerçekleştirilmiştir. 22 kanaldan oluşturulan veri kümesinden, seçilen üç kanala (C3, Cz ve C4) ait EEG sinyalleri uygulamada kullanılmaktadır ve kanal sinyallerine 9-30 Hz frekans aralığı için eğricik dönüşümü uygulanmaktadır. Elde edilen dönüşüm katsayıları üzerinden standart sapma, ortalama değer ve log-varyans değerleri hesaplanarak özellik vektörleri oluşturulmaktadır. Doğrudan özellik vektörleri üzerinden ve özellik seçimi yapılarak karşılaştırmalı sınıflandırma işlemleri gerçekleştirilmektedir. Özellik seçimi için t-test yöntemi kullanılmakta, sınıflandırma işlemi k-NN sınıflandırıcısı kullanılarak gerçekleştirilmiştir.