Aykırı değer bulma ve bağımsız bileşen analizi ile EEG sinyallerinde oküler artifaktlarının otomatik yok edilmesi

Abstract

Bu tezde, aykırı değer bulma ve bağımsız bileşenler analizi yöntemleri birleştirilerek EOG referansına ihtiyaç duyulmadan EEG'den oküler artifaktları otomatik olarak yok eden yeni gürbüz bir yöntem önerilmiştir (OD-ICA). OD-ICA metodu oküler artifakt örüntülerini tek bir bileşen yerine tüm bileşenlerde bulmaya çalışır. Bununla birlikte, OD-ICA sadece oküler artifakt örüntülerini yok eder ve anlamlı EEG sinyallerini korur. Bu yöntemde kullanıcı müdahalesine gerek yoktur. Bu avantajlar yöntemi gürbüz yapmaktadır. OD-ICA iki adet gerçek veri kümesi üzerinde test edilmiştir. Bağıl Hata (Realtive error (RE)), Korelasyon Katsayısı (KK) ve oküler artifakt örüntüsünü bulma yüzdesi başarım testi için kullanılmıştır. Ayrıca, Aykırı Değer Bulma (Outlier Detection (OD)) işlemleri için 3 farklı yöntem kullanılmıştır. Bunlar Chauvenet ölçütü, Peirce's ölçütü ve Ayarlanmış Kutu Grafiğidir (Adjusted Box Plot (ADJBP)). Başarım analizi önerilen yöntem ve artifakt içeren bileşenin sıfır yapılması yöntemi arasında yapılmıştır. Deneysel sonuçlar önerilen OD-ICA yönteminin EEG sinyallerindeki oküler artifaktları etkili bir şekilde yok ettiğini ve yöntemin oküler artifakt yok etme işleminde anlamlı EEG sinyallerini başarılı bir şekilde koruduğunu göstermiştir.

In this thesis, a novel robust method is proposed in order to remove ocular artifacts automatically from ElectroEncephaloGram (EEG) without ElectroOculoGram (EOG) reference signal by combining Outlier Detection and Independent Component Analysis (OD-ICA). The OD-ICA method searches ocular artifact patterns in all components instead of a single component. Moreover, OD-ICA removes only ocular artifact patterns and preserves meaningful EEG signal. In this method, user intervention is not needed. These advantages make the method robust. The OD-ICA is tested on two real datasets. Relative error (RE), Correlation coefficient (CC) and percentage of finding ocular artifact pattern are used for the performance test. Furthermore, three different methods are used as Outlier Detection (OD) procedures. These are the Chauvenet criterion, the Peirce's criterion and the Adjusted Box Plot (ADJBP). The performance analysis is made between proposed method and the method of zeroing the component with artifact. The experiment results show that the proposed OD-ICA method effectively removes ocular artifacts from EEG signals and is also successful in preserving the meaningful EEG signals during the removal of ocular artifacts.