Tez No	İndirme	Tez Künye	Durumu
686971		Motor hayal EEG işaretlerinin kaynak yerelleştirme kullanarak sınıflandırılması / Classification of motor imagery EEG signals using source localization Yazar:MUSTAFA YAZICI Danışman: PROF. DR. MUSTAFA ULUTAŞ Yer Bilgisi: Karadeniz Teknik Üniversitesi / Fen Bilimleri Enstitüsü / Bilgisayar Mühendisliği Ana Bilim Dalı Konu:Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol = Computer Engineering and Computer Science and Control Dizin:EEG = ; Nörogörüntüleme = Neuroimaging	Onaylandı Doktora Türkçe 2021 158 s.
Beyin Bilgisayar Arayüzü (BBA), beyni ve harici bir cihazı birbirine bağlayan bir iletişim yöntemidir. BBA'ların tasarımı ve uygulanması disiplinler arası bir çalışma alanıdır. Amaç, nöromusküler hastalıkları veya engelleri olan kişilerin yaşam kalitesini iyileştirmektir. Ticari olarak temin edilebilen çok sayıda BBA vardır, ancak daha yüksek doğruluğa sahip kullanıcı dostu BBA'lar için hala büyük bir talep vardır. EEG sinyalleri yüksek zamansal çözünürlüğe sahip olmalarına rağmen, düşük uzaysal çözünürlüğe sahiptirler. Bu çalışmada, kafa derisinden alınan EEG sinyalleri EEG Kaynak Görüntüleme kullanılarak kortikal aktivasyonlara dönüştürülerek düşük uzaysal çözünürlük telafi edilmektedir. Kortikal kaynak sinyalleri, nöroanatomi ve nörofizyoloji bilgileri eklenerek başarılı bir şekilde sınıflandırılabilir. Bu tez, bilgisayar mühendisliği ve tıp biliminin fizyoloji bölümü ile çok disiplinli bir çalışmadır. Burada, motor hayaline karşılık gelen beyin bölgelerinden gelen kortikal sinyaller, nörogörüntüleme ile EEG sinyallerinin ayırt edilmesini geliştirebilmek için kullanıldı. Sonuç olarak, EEG kortikal sinyallerinin elektrot seviyesindeki sinyallere kıyasla başarılı bir şekilde sınıflandırılması gerçekleştirildi. Motor hayal bölgelerinde kişiler arası küçük farklılıklar da gözlendi.
Brain Computer Interface (BCI) is a communication method which links brain and an external device. Design and implementation of BCIs is an interdisciplinary field of study. The aim is to improve the quality of life of those with neuromuscular diseases or disabilities. There are many commercially available BCIs but, there is still a big demand for user friendly BCIs with higher accuracy. Although EEG signals have high temporal resolution, they have low spatial resolution. In this study, for low spatial resolution is compensated by converting the EEG signals received from the scalp into cortical activations using EEG Source Imaging. Cortical source signals can be classified successfully by adding neuro anatomy and neurophysiology information. This is a multi-disciplinary study with the computer engineering and physiology department of medical science. Here, cortical signals from brain regions corresponding to motor imagery is used to improve the discrimination on the EEG signals by neuroimaging. As a result, successful classification of the EEG cortical signals compared to the signals at the electrode level is accomplished. Minor interpersonal differences in motor imagery regions are also observed.