No abstract

Ozetçe -Bu çalışmada, gönüllülerin deneydeki görev zorluklarına baglı olarak gösterdikleri istek düzeylerinin tespitini yapan elektroensefologram (EEG) tabanlı bir beyin-bilgisayar arayüzü (BBA) yaklaşımı sunuyoruz. Bunun için farklı agırlıklardaki yükler sag elde kaldırılırken dirsek bükmesi ve takiben gevşetilmesi hareketinin yapılması sırasında oluşan olgu ile ilgili eşzamanlanma ve eşzamanlanma bozulumu desenleri dogrusal ayırtaç analizi (DAA) ile sınıflandırılmaktadır. Sonuçlarımız degişen zorluklardaki görevlerin EEG sinyallerine dayalı olarak sınıflandırılabildigini göstermektedir. Ayrıca, EEG ve yüzey elektromiyogram (yEMG) sinyallerinden tespit edilen istek düzeyleri arasında bir ilinti analizi sunulmaktadır ve iki sinyal arasında tespit edilen belirli seviyedeki dogrusal ilişki sonuçlarımızı desteklemektedir. Fiziklel rehabilitasyon tedavileri sırasında hastaların istek seviyelerini belirleyebilmek hastanın terapideki görevine daha aktif katılımını saglamakta ve robotik rehabilitasyon sistemlerinin etkinligini arttırmaktadır. Bu nedenle,önerdigimiz tipte bir istek düzeyi belirleme yaklaşımının bu tür fiziksel rehabilitasyon süreçlerinde faydalı olma potansiyeli mevcuttur.Anahtar Kelimeler-EEG, BBA, yEMG, istek düzeyi, rehabilitasyon Abstract-In this study, an approach which detects the level of intention in response to the difficulty of the task executed by the subjects in an electroencephalogram (EEG) based braincomputer interface (BCI), is proposed. For this purpose, event related synchronization and desynchronization patterns which occur in the process of lifting different weights by the right hand by executing elbow flexion and extension movements, are classified by the linear discriminant analysis (LDA). Our results show that the varying difficulty of the task can be classified based on the EEG signals. In addition, a correlation analysis between the intention levels detected from EEG and surface electromyogram (sEMG) signals is presented and the detected level of correlation between these two signals supports our previous inference. Determining the level of intention of the patients during the physical rehabilitation treatment, ensures the patients' active participation in their therapy task and increases the effectiveness of the robotic rehabilitation system. Accordingly, the type of intention level detection approach we propose here has the potential to be useful in such physical rehabilitation processes.