Kişiden Bağımsız Çevrimiçi P300-Tabanlı Beyin-Bilgisayar Arayüzü Sınıflandırma Modeli Oluşturulması

Onur Erdem Korkmaz; Önder Aydemir; Emin Argun Oral; Yücel Özbek

doi:10.53433/yyufbed.1077648

EN TR

Creating an Online Subject Independent P300-Based Brain-Computer Interface Classification Model

Öz

Brain-computer interfaces convert electroencephalography signals into computer commands to communicate between the human brain and computer or external devices. However, one of the most significant limitations of these systems is that it takes a long time to develop a subject-independent model, so patients cannot benefit from the plug-and-play comfort. With this study, we created our data set with the data we collected from 10 people in the offline session using new paradigm we developed. A brain-computer interface classification model that works subject-independent was created with this data set. First of all, in the binary classification problem in which event-related potential and non-event-related potential detection were performed, 99.40% ± 0.21 test accuracy was obtained due to the classification process being repeated 50 times, and this model was saved. This developed model was tested by printing the words that 30 different participants determined themselves. This model's online character detection success, subject independent, was 95.41%

Anahtar Kelimeler

Brain-computer interface, Online, Subject-independent model, Event related potentials, EEG

Proje Numarası

FOA-2018-6524

Kişiden Bağımsız Çevrimiçi P300-Tabanlı Beyin-Bilgisayar Arayüzü Sınıflandırma Modeli Oluşturulması

Öz

Beyin-bilgisayar arayüzleri, elektroensefalografi sinyallerini bilgisayar komutlarına çevirerek insan beyni ile bilgisayar veya harici cihazlar arasında iletişim kurmaya yarayan sistemlerdir. Bu sistemlerin en büyük sınırlamalarından biri, kişiye özgü modelin geliştirilmesinin uzun sürmesi, böylelikle de hasta bireylerin tak-çalıştır konforundan yararlanamamasıdır. Yapılan bu çalışma ile geliştirilen yeni paradigma kullanılarak çevrimdışı oturumda 10 katılımcıdan toplanılan verilerle kişiden bağımsız çalışan sınıflandırma modeli geliştirildi. Öncelikle olay ilişkili potansiyel ve olay ilişkili olmayan potansiyel tespitinin gerçekleştirildiği bu ikili sınıflandırma probleminde 50 kez tekrarlanan sınıflandırma işlemi sonucunda %99.40 ± 0.21 test doğruluğu elde edilmiş ve kişiden bağımsız model olarak kaydedilmiştir. Geliştirilen bu model farklı 30 katılımcının kendilerinin belirlediği kelimelerin yazdırılması şeklinde test edilmiştir. Önerilen kişiden bağımsız bu modelin çevrimiçi karakter tespit etme başarısı ise %95.41 olarak hesaplanmıştır.

Anahtar Kelimeler

Beyin-bilgisayar arayüzü, Çevrimiçi, Kişiden bağımsız model, Olay ilişkili potansiyeller, EEG

Destekleyen Kurum

Atatürk Üniversitesi

Proje Numarası

FOA-2018-6524

Teşekkür

Bu çalışma Atatürk Üniversitesi Bilimsel Araştırma Projeleri Koordinasyon Birimi tarafından FOA-2018-6524 proje numarası ile desteklenmiştir.

Kaynakça

Adobe. (2017). Adobe Inc. Adobe Photoshop for Windows.
Ahmad, M. M., & Ahuja, K. (2022). Role of 5G Communication Along with Blockchain Security in Brain-Computer Interfacing: A Review. Futuristic Design and Intelligent Computational Techniques in Neuroscience and Neuroengineering. doi: 10.4018/978-1-7998-7433-1.ch004
Brysbaert, M. (2019). How many words do we read per minute? A review and meta-analysis of reading rate. Journal of Memory and Language, 109, 104047. doi: 10.1016/j.jml.2019.104047
Devlaminck, D., Wyns, B., Grosse-Wentrup, M., Otte, G., & Santens, P. (2011). Multisubject learning for common spatial patterns in motor-imagery BCI. Computational intelligence and neuroscience, 2011. doi: 10.1155/2011/217987
Ergün, E., & Aydemir, Ö. (2020). A hybrid BCI using singular value decomposition values of the fast walsh hadamard transform coefficients. IEEE Transactions on Cognitive and Developmental Systems. doi: 10.1109/TCDS.2020.3028785
Jalilpour, S., Sardouie, S. H., & Mijani, A. (2020). A novel hybrid BCI speller based on RSVP and SSVEP paradigm. Computer methods and programs in biomedicine, 187, 105326. doi: 10.1016/j.cmpb.2020.105326
Kevric, J., & Subasi, A. (2017). Comparison of signal decomposition methods in classification of EEG signals for motor-imagery BCI system. Biomedical Signal Processing and Control, 31, 398-406. doi: 10.1016/j.bspc.2016.09.007
Kirasirova, L., Bulanov, V., Ossadtchi, A., Kolsanov, A., Pyatin, V., & Lebedev, M. (2020). A P300 brain-computer interface with a reduced visual field. Frontiers in neuroscience, 14, 1246. doi: 10.3389/fnins.2020.604629
Kleih, S. C., & Kübler, A. (2013). Empathy, motivation, and P300 BCI performance. Frontiers in human neuroscience, 7, 642. doi: 10.3389/fnhum.2013.00642
Loizidou, P., Rios, E., Marttini, A., Keluo-Udeke, O., Soetedjo, J., Belay, J., & Speier, W. (2022). Extending brain-computer interface access with a multilingual language model in the P300 speller. Brain-Computer Interfaces, 9(1), doi: 10.1080/2326263X.2021.1993426

Lu, Z., Li, Q., Gao, N., & Yang, J. (2020). The self-face paradigm improves the performance of the P300-speller system. Frontiers in computational neuroscience, 13, 93. doi: 10.3389/fncom.2019.00093
Matlab. (2018). MathWorks for Windows.
Muller-Putz, G. R., & Pfurtscheller, G. (2007). Control of an electrical prosthesis with an SSVEP-based BCI. IEEE Transactions on Biomedical Engineering, 55(1), 361-364. doi: 10.1109/TBME.2007.897815
Mussabayeva, A., Jamwal, P. K., & Akhtar, M. T. (2021). Ensemble learning approach for subject-independent P300 speller. Paper presented at the 2021 43rd Annual International Conference of the IEEE Engineering in Medicine & Biology Society (EMBC). doi: 10.1109/EMBC46164.2021.9629679
Orlandi, A., & Proverbio, A. M. (2019). Left-hemispheric asymmetry for object-based attention: an ERP study. Brain sciences, 9(11), 315. doi: 10.3390/brainsci9110315
Park, C., Looney, D., ur Rehman, N., Ahrabian, A., & Mandic, D. P. (2012). Classification of motor imagery BCI using multivariate empirical mode decomposition. IEEE transactions on neural systems and rehabilitation engineering, 21(1), 10-22. doi: 10.1109/TNSRE.2012.2229296
Qu, J., Wang, F., Xia, Z., Yu, T., Xiao, J., Yu, Z., Li, Y. (2018). A novel three-dimensional P300 speller based on stereo visual stimuli. IEEE Transactions on Human-Machine Systems, 48(4), 392-399. doi: 10.1109/THMS.2018.2799525
Rakotomamonjy, A., & Guigue, V. (2008). BCI competition III: dataset II-ensemble of SVMs for BCI P300 speller. IEEE Transactions on Biomedical Engineering, 55(3), 1147-1154. doi: 10.1109/TBME.2008.915728
Ramirez-Quintana, J. A., Madrid-Herrera, L., Chacon-Murguia, M. I., & Corral-Martinez, L. F. (2021). Brain-computer interface system based on P300 processing with convolutional neural network, novel speller, and low number of electrodes. Cognitive Computation, 13(1), 108-124. doi: 10.1007/s12559-020-09744-2
Sellers, E. W., Krusienski, D. J., McFarland, D. J., Vaughan, T. M., & Wolpaw, J. R. (2006). A P300 event-related potential brain–computer interface (BCI): the effects of matrix size and inter stimulus interval on performance. Biological psychology, 73(3), 242-252. doi: 10.1016/j.biopsycho.2006.04.007
Wolpaw, J. R., Birbaumer, N., Heetderks, W. J., McFarland, D. J., Peckham, P. H., Schalk, G., Vaughan, T. M. (2000). Brain-computer interface technology: a review of the first international meeting. IEEE transactions on rehabilitation engineering, 8(2), 164-173.
Wu, Y., Zhou, W., Lu, Z., & Li, Q. (2020). A spelling paradigm with an added red dot improved the P300 speller system performance. Frontiers in neuroinformatics, 14, 57. doi: 10.3389/fninf.2020.589169
Wu, Z., Lai, Y., Xia, Y., Wu, D., & Yao, D. (2008). Stimulator selection in SSVEP-based BCI. Medical engineering & physics, 30(8), 1079-1088. doi: 10.1016/j.medengphy.2008.01.004
Xu, M., Qi, H., Wan, B., Yin, T., Liu, Z., & Ming, D. (2013). A hybrid BCI speller paradigm combining P300 potential and the SSVEP blocking feature. Journal of neural engineering, 10(2). doi: 10.1088/1741-2560/10/2/026001
Xu, M., Xiao, X., Wang, Y., Qi, H., Jung, T.-P., & Ming, D. (2018). A brain–computer interface based on miniature-event-related potentials induced by very small lateral visual stimuli. IEEE Transactions on Biomedical Engineering, 65(5), 1166-1175. doi: 10.1109/TBME.2018.2799661
Zhang, X., Jin, J., Li, S., Wang, X., & Cichocki, A. (2021). Evaluation of color modulation in visual P300-speller using new stimulus patterns. Cognitive Neurodynamics, 1-14. doi: 10.1007/s11571-021-09669-y
Zhang, Y., Zhang, X., Sun, H., Fan, Z., & Zhong, X. (2019). Portable brain-computer interface based on novel convolutional neural network. Computers in biology and medicine, 107, 248-256. doi: 10.1016/j.compbiomed.2019.02.023

Ayrıntılar

Birincil Dil

Türkçe

Konular

Mühendislik

Bölüm

Araştırma Makalesi

Yazarlar

Onur Erdem Korkmaz ^*
0000-0001-6336-6147
Türkiye

Önder Aydemir
0000-0002-1177-8518
Türkiye

Emin Argun Oral
0000-0002-8120-9679
Türkiye

Yücel Özbek
0000-0002-5734-7430
Türkiye

Yayımlanma Tarihi

25 Nisan 2022

Gönderilme Tarihi

23 Şubat 2022

Kabul Tarihi

18 Mart 2022

Yayımlandığı Sayı

Yıl 2022 Cilt: 27 Sayı: 1

DOI

https://doi.org/10.53433/yyufbed.1077648

IZ

https://izlik.org/JA32JP99BD

APA

Korkmaz, O. E., Aydemir, Ö., Oral, E. A., & Özbek, Y. (2022). Kişiden Bağımsız Çevrimiçi P300-Tabanlı Beyin-Bilgisayar Arayüzü Sınıflandırma Modeli Oluşturulması. Yüzüncü Yıl Üniversitesi Fen Bilimleri Enstitüsü Dergisi, 27(1), 73-85. https://doi.org/10.53433/yyufbed.1077648

AMA

1.Korkmaz OE, Aydemir Ö, Oral EA, Özbek Y. Kişiden Bağımsız Çevrimiçi P300-Tabanlı Beyin-Bilgisayar Arayüzü Sınıflandırma Modeli Oluşturulması. YYUFBED. 2022;27(1):73-85. doi:10.53433/yyufbed.1077648

Chicago

Korkmaz, Onur Erdem, Önder Aydemir, Emin Argun Oral, ve Yücel Özbek. 2022. “Kişiden Bağımsız Çevrimiçi P300-Tabanlı Beyin-Bilgisayar Arayüzü Sınıflandırma Modeli Oluşturulması”. Yüzüncü Yıl Üniversitesi Fen Bilimleri Enstitüsü Dergisi 27 (1): 73-85. https://doi.org/10.53433/yyufbed.1077648.

EndNote

Korkmaz OE, Aydemir Ö, Oral EA, Özbek Y (01 Nisan 2022) Kişiden Bağımsız Çevrimiçi P300-Tabanlı Beyin-Bilgisayar Arayüzü Sınıflandırma Modeli Oluşturulması. Yüzüncü Yıl Üniversitesi Fen Bilimleri Enstitüsü Dergisi 27 1 73–85.

IEEE

[1]O. E. Korkmaz, Ö. Aydemir, E. A. Oral, ve Y. Özbek, “Kişiden Bağımsız Çevrimiçi P300-Tabanlı Beyin-Bilgisayar Arayüzü Sınıflandırma Modeli Oluşturulması”, YYUFBED, c. 27, sy 1, ss. 73–85, Nis. 2022, doi: 10.53433/yyufbed.1077648.

ISNAD

Korkmaz, Onur Erdem - Aydemir, Önder - Oral, Emin Argun - Özbek, Yücel. “Kişiden Bağımsız Çevrimiçi P300-Tabanlı Beyin-Bilgisayar Arayüzü Sınıflandırma Modeli Oluşturulması”. Yüzüncü Yıl Üniversitesi Fen Bilimleri Enstitüsü Dergisi 27/1 (01 Nisan 2022): 73-85. https://doi.org/10.53433/yyufbed.1077648.

JAMA

1.Korkmaz OE, Aydemir Ö, Oral EA, Özbek Y. Kişiden Bağımsız Çevrimiçi P300-Tabanlı Beyin-Bilgisayar Arayüzü Sınıflandırma Modeli Oluşturulması. YYUFBED. 2022;27:73–85.

MLA

Korkmaz, Onur Erdem, vd. “Kişiden Bağımsız Çevrimiçi P300-Tabanlı Beyin-Bilgisayar Arayüzü Sınıflandırma Modeli Oluşturulması”. Yüzüncü Yıl Üniversitesi Fen Bilimleri Enstitüsü Dergisi, c. 27, sy 1, Nisan 2022, ss. 73-85, doi:10.53433/yyufbed.1077648.

Vancouver

1.Onur Erdem Korkmaz, Önder Aydemir, Emin Argun Oral, Yücel Özbek. Kişiden Bağımsız Çevrimiçi P300-Tabanlı Beyin-Bilgisayar Arayüzü Sınıflandırma Modeli Oluşturulması. YYUFBED. 01 Nisan 2022;27(1):73-85. doi:10.53433/yyufbed.1077648

Creating an Online Subject Independent P300-Based Brain-Computer Interface Classification Model

Öz

Anahtar Kelimeler

Proje Numarası

Kişiden Bağımsız Çevrimiçi P300-Tabanlı Beyin-Bilgisayar Arayüzü Sınıflandırma Modeli Oluşturulması

Öz

Anahtar Kelimeler

Destekleyen Kurum

Proje Numarası

Teşekkür

Kaynakça

Ayrıntılar

Birincil Dil

Konular

Bölüm

Yazarlar

Yayımlanma Tarihi

Gönderilme Tarihi

Kabul Tarihi

Yayımlandığı Sayı

DOI

IZ

Kaynak Göster