Özet:
Beyin bilgisayar arayüzü (BBA) uygulamalarının önemli amaçlarından biri de engelli ve hasta bireyler için iyileştirme veya hayatlarını kolaylaştıracak yenilikçi çözümlerin araştırılmasıdır. Bundaki motivasyonlardan biri de felç veya kaza gibi durumlarla motor sinirlerinin zarar görmesi, insanların kas ve hareket kabiliyetlerini kısıtlasa da beyin düşünsel görevlerini yerine getirebilmesidir. Farklı tarzda temel düşünsel görevlerin otomatik çözümlenmesi bu tarz rahatsızlıkları olan kişiler için rehabilitasyon ve robot destekli teknolojilerine dayalı BBA sistemlerinin geliştirilmesine büyük fayda sağlayacaktır. Bu yüzden sağlıklı bireyler yerine hasta ve engelli bireylerden alınan veriler başarılı BBA uygulamaları için daha yol gösterici olacaktır. Bu tez çalışmasında da el hareket ve fonksiyon yetersizliği olan 10 gönüllü katılımcının sağ ve sol elinin kavramayı deneme hareketlerinin düşünülmesiyle kaydedilmiş ve ayrıca Clinical BCI Challenge WCCI 2020 yarışmasında da kullanılmış olan Elektroensefalografi (EEG) verileri üzerinde çalışılmıştır. Yüksek sınıflandırma başarımı amacıyla etkin elektrotlar ve öznitelikler önerilen yöntemle seçilmiştir. Öznitelik seçim aşamasında Parçacık Sürü Optimizasyonu (PSO) algoritması kullanılmıştır. Seçilen etkin parametreler sayesinde sağ ve sol elin hareketinin hayalinin ayrımı k-en yakın komşuluk, doğrusal ayırma analizi, destek vektör makineleri ve torbalama karar ağaçları algoritmaları ile sırasıyla %84.32, %80.25, %77.25 ve %83.08 oranında başarımlar elde edilerek sağlanmıştır.
