EOG İşaretini Kaynak İşaret Olarak Kullanmak Üzere Etkin Özelliklerin Belirlenmesi

İlhan ZENGİN, (Sakarya Üniversitesi, Mühendislik Fakültesi, Elektrik Elektronik Mühendisliği Bölümü, Sakarya, Türkiye)
Mehmet Recep BOZKURT, (Sakarya Üniversitesi, Mühendislik Fakültesi, Elektrik Elektronik Mühendisliği Bölümü, Sakarya, Türkiye)
Muhammed Kürşad UÇAR (Sakarya Üniversitesi, Mühendislik Fakültesi, Elektrik Elektronik Mühendisliği Bölümü, Sakarya, Türkiye)
Sakarya University Journal of Computer and Information Sciences (Online)
14 1
Yıl: 2019 Cilt: 2 Sayı: 3 Sayfa Aralığı: 134 - 144 Metin Dili: Türkçe İndeks Tarihi: 26-06-2020

EOG İşaretini Kaynak İşaret Olarak Kullanmak Üzere Etkin Özelliklerin Belirlenmesi

Öz:
Bu çalışmada, özellikle felçli hastaların yaşamlarını kolaylaştırmak için Elektrookülogram (EOG)işaretinin insan makine arabirimi (İMA) için işlenmesi gerçekleştirilmiştir. Göz hareketleri, Biopac MP30cihazıyla, 5 adet Ag-AgCl elektrot kullanılarak algılanmıştır. Alınan işaretler ön işlemeye tabi tutularakMatlab ortamında öznitelikleri çıkarılacak hale getirilmiştir. Elde edilen biyopotansiyel sinyallerdenöznitelikler çıkarılarak kontrol edilecek sisteme göre etiketlenmiştir. Bu etiketler sağ, sol, yukarı, aşağı vegöz kırpmasıdır. Çıkarılan özellikler yapay sinir ağları kullanılarak sınıflandırılmıştır. Sınıflandırmanınardından özellik azaltım yöntemleri kullanılarak sonuç üzerinde etkisi az olan öznitelikler elenmiş ve dahaaz özellik ile sınıflandırma başarımları test edilmiştir.
Anahtar Kelime:

Determining Effective Features to Use the EOG Sign as a Source Sign

Öz:
In this study, the processing of the Electrooculogram (EOG) signal for human machine interface (IMA) was performed to facilitate the lives of paralyzed patients. Eye movements were detected with Biopac MP30 instrument using 5 Ag-AgCl electrodes. The marks were pre-processed and their attributes were made to be extracted in Matlab environment. The obtained biopotential signals were extracted and labeled according to the system to be controlled. These labels are right, left, up, down, and blink. The extracted features were classified using artificial neural networks. Following the classification, feature reduction methods were used to eliminate the features that had little effect on the results and test the performance of the classification with fewer features.
Anahtar Kelime:

Belge Türü: Makale Makale Türü: Araştırma Makalesi Erişim Türü: Erişime Açık
  • [1] T. Öztürk, “Hawking’in Konuşma Cihazı ve P300 - Toprak Öztürk - Medium,” 2018. [Online]. Available: https://medium.com/@toprakozt/hawkingin-konuşma-cihazı-vep300- b38f938733dd. [Accessed: 13-Dec-2019].
  • [2] Tobii, “Tobii Eye Tracker 4C for PC Gaming. Buy Now at €169 - Tobii Gaming,” 2019. [Online]. Available: https://gaming.tobii.com/tobii-eye-tracker-4c/. [Accessed: 13-Dec- 2019].
  • [3] J.-S. Lin and W.-C. Yang, “Wireless brain-computer interface for electric wheelchairs with EEG and eye-blinking signals,” Int J Innov Comput Inf Control, vol. 8, pp. 6011– 6024, Sep. 2012.
  • [4] A. B. Usakli and S. Gurkan, “Design of a novel efficient humancomputer interface: An electrooculagram based virtual keyboard,” IEEE Trans. Instrum. Meas., vol. 59, no. 8, pp. 2099–2108, Aug. 2010.
  • [5] M. Y. Esas and F. Latifoglu, “Computer-Based design with dual channel device electrooculography and eye movement tracking,” in 2015 Medical Technologies National Conference (TIPTEKNO), 2015, pp. 1–4.
  • [6] J. Heo, H. Yoon, and K. Park, “A Novel Wearable Forehead EOG Measurement System for Human Computer Interfaces,” Sensors, vol. 17, no. 7, p. 1485, Jun. 2017.
  • [7] S. Gül, Z. Tiryaki, E. Kuzu, M. Milligüney, and G. Çetinel, “Move Your Wheelchair with Your Eyes,” Int. J. Appl. Math. Electron. Comput., vol. 1, no. SpecialIssue, pp. 5– 8, Aug. 2017.
  • [8] H. Ö. Ülkütaş, “Eog’nin Kodlanmasina Dayanan Bilgisayar Tabanli Gözle Yazi Yazma Sistemi Geliştirilmesi,” Başkent Üniversitesi, 2015.
  • [9] M. K. Uçar, K. Polat, M. R. Bozkurt, and C. Bilgin, “Effect of Tıme and Frequency Domaın Features ın Sleep Eeg and Eog Sıgnals Classıfıcatıon,” in Tıp Teknolojileri ulusal Kongresi, 2014, vol. 1, pp. 0–5.
  • [10] G. Gündüz and İ. H. Cedimoğlu, “Derin Öğrenme Algoritmalarını Kullanarak Görüntüden Cinsiyet Tahmini,” Sak. Univ. J. Comput. Inf. Sci., vol. 2, no. 1, pp. 9–17, Apr. 2019.
  • [11] K. Serbest, M. R. Bozkurt, and O. Eldoğan, “Classification of cardiac arrhythmias with artificial neural networks according to gender differences,” J. Eng. Sci. Technol., vol. 10, no. 9, pp. 1144–1149, 2015.
  • [12] G. D. Çetin, Ö. Çetin, and M. R. Bozkurt, “The Detectionof Normal and Epileptic EEG Signals using ANN Methods with Matlab-based GUI,” Int. J. Comput. Appl., vol. 114, no. 12, pp. 45–50, 2015.
  • [13] M. R. Bozkurt, A. Subaşı, E. Köklükaya, and M. Yilmaz, “Comparison of AR parametric methods with subspace-based methods for EMG signal classification using stand-alone and merged neural network models,” Turkish J. Electr. Eng. Comput. Sci., vol. 24, no. 3, pp. 1547–1559, 2016.
  • [14] M. R. Bozkurt, M. K. Uçar, F. Bozkurt, and C. Bilgin, “In obstructive sleep apnea patients, automatic determination of respiratory arrests by photoplethysmography signal and heart rate variability,” Australas. Phys. Eng. Sci. Med., pp. 1–21, 2019.
  • [15] M. K. Uçar, M. R. Bozkurt, K. Polat, and C. Bilgin, “Investigation of effects of time domain features of the photoplethysmography (PPG) signal on sleep respiratory arrests,” in 2015 23nd Signal Processing and Communications Applications Conference (SIU), 2015, pp. 124–127.
  • [16] K. Polat and S. Güneş, “A new feature selection method on classification of medical datasets: Kernel F-score feature selection,” Expert Syst. Appl., vol. 36, no. 7, pp. 10367– 10373, Sep. 2009.
  • [17] A. R. Kavsaoğlu, K. Polat, and M. R. Bozkurt, “An innovative peak detection algorithm for photoplethysmography signals: an adaptive segmentation method,” Turkish J. Electr. Eng. Comput. Sci., vol. 24, no. 3, pp. 1782–1796, 2016.
  • [18] V. Gerla et al., “Automatic identification of artifacts and unwanted physiologic signals in EEG and EOG during wakefulness,” Biomed. Signal Process. Control, vol. 31, pp. 381–390, 2017.
  • [19] J. G. Colonna, M. Cristo, M. Salvatierra, and E. F. Nakamura, “An incremental technique for real-time bioacoustic signal segmentation,” Expert Syst. Appl., vol. 42, no. 21, pp. 7367–7374, Nov. 2015.
  • [20] N. A. B. Baharom, “Analysıs of Electrooculography (Eog) for Controllıng Wheelchaır Motion.” 2015.
  • [21] M. K. Uçar, “Eta Correlation Coefficient Based Feature Selection Algorithm for Machine Learning: E-Score Feature Selection Algorithm,” Zeki Sist. Teor. ve Uygulamaları Derg., vol. 2, no. 1, pp. 7–12, 2019.
  • [22] E. Şahin, “Makine Öğrenme Yöntemleri ve Kelime Kümesi Tekniği ile İstenmeyen e- Postasınıflandırması,” Hacettepe Üniversitesi, 2018.
  • [23] J. B. Ahire, “The Artificial Neural Networks Handbook: Part 4,” 2018. [Online]. Available: https://medium.com/@jayeshbahire/the-artificial-neural-networkshandbook- part-4-d2087d1f583e. [Accessed: 17-Nov-2019].
  • [24] M. Tosun, M. Erginli, Ö. Kasım, B. Uğraş, Ş. Tanrıverdi, and T. Kavak, “EEG Verileri Kullanılarak Fiziksel El Hareketleri ve Bu Hareketlerin Hayalinin Yapay Sinir Ağları İle Sınıflandırılması,” Sak. Univ. J. Comput. Inf. Sci., vol. 1, no. 2, pp. 1–9, Aug. 2018.
  • [25] C. Beleites, R. Salzer, and V. Sergo, “Validation of Soft Classification Models using Partial Class Memberships: An Extended Concept of Sensitivity & Co. applied to the Grading of Astrocytoma Tissues,” Jan. 2013.
  • [26] M. Gök, “Makine Öğrenmesi Yöntemleri ile Akademik Başarının Tahmin Edilmesi,” Gazi Üniversitesi Fen Bilim. Derg. Part C Tasarım ve Teknol., vol. 5, no. 3, pp. 139– 148, Sep. 2017.
  • [27] A. Dirican, “Tani Testi Performanslarinin Değerlendirilmesi Ve Kiyaslanmasi,” Cerrahpaşa Tıp Derg., vol. 32, no. 1, 2001.
  • [28] L. H. Geyer and C. G. DeWald, “Feature lists and confusion matrices,” Percept. Psychophys., vol. 14, no. 3, pp. 471–482, Oct. 1973.
APA ZENGİN İ, BOZKURT M, UCAR M (2019). EOG İşaretini Kaynak İşaret Olarak Kullanmak Üzere Etkin Özelliklerin Belirlenmesi. , 134 - 144.
Chicago ZENGİN İlhan,BOZKURT MEHMET RECEP,UCAR Muhammed Kursad EOG İşaretini Kaynak İşaret Olarak Kullanmak Üzere Etkin Özelliklerin Belirlenmesi. (2019): 134 - 144.
MLA ZENGİN İlhan,BOZKURT MEHMET RECEP,UCAR Muhammed Kursad EOG İşaretini Kaynak İşaret Olarak Kullanmak Üzere Etkin Özelliklerin Belirlenmesi. , 2019, ss.134 - 144.
AMA ZENGİN İ,BOZKURT M,UCAR M EOG İşaretini Kaynak İşaret Olarak Kullanmak Üzere Etkin Özelliklerin Belirlenmesi. . 2019; 134 - 144.
Vancouver ZENGİN İ,BOZKURT M,UCAR M EOG İşaretini Kaynak İşaret Olarak Kullanmak Üzere Etkin Özelliklerin Belirlenmesi. . 2019; 134 - 144.
IEEE ZENGİN İ,BOZKURT M,UCAR M "EOG İşaretini Kaynak İşaret Olarak Kullanmak Üzere Etkin Özelliklerin Belirlenmesi." , ss.134 - 144, 2019.
ISNAD ZENGİN, İlhan vd. "EOG İşaretini Kaynak İşaret Olarak Kullanmak Üzere Etkin Özelliklerin Belirlenmesi". (2019), 134-144.
APA ZENGİN İ, BOZKURT M, UCAR M (2019). EOG İşaretini Kaynak İşaret Olarak Kullanmak Üzere Etkin Özelliklerin Belirlenmesi. Sakarya University Journal of Computer and Information Sciences (Online), 2(3), 134 - 144.
Chicago ZENGİN İlhan,BOZKURT MEHMET RECEP,UCAR Muhammed Kursad EOG İşaretini Kaynak İşaret Olarak Kullanmak Üzere Etkin Özelliklerin Belirlenmesi. Sakarya University Journal of Computer and Information Sciences (Online) 2, no.3 (2019): 134 - 144.
MLA ZENGİN İlhan,BOZKURT MEHMET RECEP,UCAR Muhammed Kursad EOG İşaretini Kaynak İşaret Olarak Kullanmak Üzere Etkin Özelliklerin Belirlenmesi. Sakarya University Journal of Computer and Information Sciences (Online), vol.2, no.3, 2019, ss.134 - 144.
AMA ZENGİN İ,BOZKURT M,UCAR M EOG İşaretini Kaynak İşaret Olarak Kullanmak Üzere Etkin Özelliklerin Belirlenmesi. Sakarya University Journal of Computer and Information Sciences (Online). 2019; 2(3): 134 - 144.
Vancouver ZENGİN İ,BOZKURT M,UCAR M EOG İşaretini Kaynak İşaret Olarak Kullanmak Üzere Etkin Özelliklerin Belirlenmesi. Sakarya University Journal of Computer and Information Sciences (Online). 2019; 2(3): 134 - 144.
IEEE ZENGİN İ,BOZKURT M,UCAR M "EOG İşaretini Kaynak İşaret Olarak Kullanmak Üzere Etkin Özelliklerin Belirlenmesi." Sakarya University Journal of Computer and Information Sciences (Online), 2, ss.134 - 144, 2019.
ISNAD ZENGİN, İlhan vd. "EOG İşaretini Kaynak İşaret Olarak Kullanmak Üzere Etkin Özelliklerin Belirlenmesi". Sakarya University Journal of Computer and Information Sciences (Online) 2/3 (2019), 134-144.
Sayfa Oluşturulma Tarihi
23-04-2024 12:25

İLETİŞİM

TÜBİTAK ULAKBİM TR Dizin

Yüzüncüyıl, İşçi Blokları Mahallesi

Muhsin Yazıcıoğlu Caddesi No:51/C

06530 Çankaya / ANKARA +90 (312) 298 92 00

trdizin@tubitak.gov.tr

TÜBİTAK ULAKBİM Ulusal Akademik Ağ ve Bilgi Merkezi Cahit Arf Bilgi Merkezi © Tüm Hakları Saklıdır. Gizlilik Politikası Kullanım Şartları