P300 tabanlı heceleme sistemelerinde en iyileme algoritmaları ile seçilen EEG elektrotlarının başarımlarının karşılaştırılması
Yükleniyor...
Dosyalar
Tarih
2019
Yazarlar
Dergi Başlığı
Dergi ISSN
Cilt Başlığı
Yayıncı
Ieee
Erişim Hakkı
info:eu-repo/semantics/closedAccess
Özet
Günümüzde, tamamen felçli durumda olan
bireylerin çevre ile iletişimlerinin sağlanabilmesi için, EEG
sinyallerinden elde edilen uyarılmış potansiyeller Beyin Bilgisayar
Ara yüzlerinde (BBA) sıklıkla kullanılmaktadır. Ancak EEG
sinyallerinin doğası gereği çok kanallı olması elde edilen veri
boyutunu arttırmaktadır. Bu durum, BBA’ların çalışma
maliyetini yükseltmektedir. BBA sistemlerinde, işlem hızını ve
yükünü azaltmak için kullanılan elektrot sayısını indirgemek bir
çözüm yoludur. Bu amaçla farklı teknikler kullanılmaktadır.
Bunlardan bazıları doğadaki canlıların hareketinden taklitle
üretilen en iyileme yöntemleridir. Çalışmada P300 heceleme
sistemlerinde, elektrotların sayısının azaltılmasında kullanılan,
Parçacık Sürü Algoritması (PSO), Farksal Evrim (DE), Genetik
Algoritma (GA), Bal Arısı Algoritması (BA) kullanılarak azaltılan
kanalların başarıma olan etkileri araştırılmıştır. Çalışma
sonucunda, 64 kanala ait doğruluk oranları ile kanal azaltılarak
elde edilen doğruluk oranları arasında %20’yi (Kullanıcı B için
LS-SVM sınıflayıcı ile Bal Arısı Algoritması) geçen bir artış
görülmektedir. En iyileme algoritmaları sistem çalışma maliyetini
azaltmak için kullanılacak uygun bir yöntemdir.
Nowadays, the evoked potentials obtained from EEG signals are frequently used in Brain Computer Interfaces (BCI) in order to ensure that individuals with complete paralysis are communicated with the environment. However, EEG signals have a multi-channel structure due to the nature, and this situation increases the data size. Therefore, the working costs of BCIs are increasing. At this stage, reduce the number of electrodes is a solution to reduce the process speed and load in BCI systems. Different techniques are used for this purpose. Some of these are the optimization methods produced by the movement of living beings in nature. In this study, the effects of reduced channels by using Bee Algorithm (BA), Particle Swarm Algorithm (PSO), Differential Evolution (DE), Genetic Algorithm (GA) used in P300 hyphenation systems to reduce the number of electrodes were investigated. As a result of the study, between the accuracy rates obtained with 64 channels and the accuracy rates obtained with channel selecting, (the LS-SVM classifier for User B by B-BA) is seen an about 20% increase. Optimization algorithms are a suitable method to reduce the cost of system operation.
Nowadays, the evoked potentials obtained from EEG signals are frequently used in Brain Computer Interfaces (BCI) in order to ensure that individuals with complete paralysis are communicated with the environment. However, EEG signals have a multi-channel structure due to the nature, and this situation increases the data size. Therefore, the working costs of BCIs are increasing. At this stage, reduce the number of electrodes is a solution to reduce the process speed and load in BCI systems. Different techniques are used for this purpose. Some of these are the optimization methods produced by the movement of living beings in nature. In this study, the effects of reduced channels by using Bee Algorithm (BA), Particle Swarm Algorithm (PSO), Differential Evolution (DE), Genetic Algorithm (GA) used in P300 hyphenation systems to reduce the number of electrodes were investigated. As a result of the study, between the accuracy rates obtained with 64 channels and the accuracy rates obtained with channel selecting, (the LS-SVM classifier for User B by B-BA) is seen an about 20% increase. Optimization algorithms are a suitable method to reduce the cost of system operation.
Açıklama
International Scientific Meeting on Electrical-Electronics and Biomedical Engineering and Computer Science (EBBT) -- APR 24-26, 2019 -- Istanbul Arel Univ, Kemal Gozukara Campus, Istanbul, TURKEY
Anahtar Kelimeler
Brain Computer Interface, P300, Event Related Potential, Electrode Selection, LS-SVM, Beyin Bilgisayar Ara yüzü, P300, Olay Etkili Potansiyel, Elektrot Seçimi, LS-SVM
Kaynak
2019 Scientific Meeting On Electrical-Electronics & Biomedical Engineering And Computer Science (Ebbt)
WoS Q Değeri
N/A
Scopus Q Değeri
N/A
