Niğde Ömer Halisdemir Üniversitesi Mühendislik Bilimleri Dergisi
Yazarlar: Merve KOÇYİĞİT, Ayşegül GÜVEN, Furkan ÇAM
Konular:Bilgisayar Bilimleri, Bilgi Sistemleri
DOI:10.28948/ngumuh.606507
Anahtar Kelimeler:Near Infrared Spektroskopi (NIRS),BCI,Random Forest
Özet: Yakın Kızılötesi Spektroskopi (NIRS) ilgili bölgede serabrel izleme potansiyeli sunan, beyindeki hemodinamik aktiviteyi ölçen, girişimsel olmayan fonksiyonel beyin görüntüleme tekniğidir. NIRS sinyalleri elektriksel gürültüden etkilenmeyen, yüksek zamansal çözünürlüğü olan, ekonomik ve taşınabilir bir yapıya sahiptir. Bu avantajlarından dolayı NIRS tabanlı verilerin Beyin Bilgisayar Arayüzü (BCI) sistemlerinde kullanımı son zamanlarda yaygınlaşma göstermektedir. Bununla birlikte kullanılan veri tabanında yapılan öznitelik çıkarımı, ön işleme ve sınıflandırma seçimi BCI’daki başarıyı yükseltmek için önemlidir. Bu çalışmada, NIRS veri kümesine ait el açma-kapama motor hareketi hayali tabanlı kaydedilen oksihemoglobin (HbO) ve deoksihemoglobin (HbR) sinyalleri kullanılmıştır. Öncelikle bu sinyaller, çevresel ve fizyolojik gürültülerin etkisinden temizlemek için dalgacık tabanlı filtre ile ön işlem geçirilmiştir. Elde edilen HbO ve HbR işaretlerinden Ortalama Enerji, Varyans, Standart Sapma, Entropi, Çarpıklık ve Basıklık tabanlı özniteliklere ulaşılmıştır. Ulaşılan öznitelikler Rasgele Orman metodu ile sınıflandırılarak HbR için %82.7586, HbO için %84.4828 ve HbR+ HbO için %89.6552ortalama sınıflama doğruluğu hesaplanmıştır.