Investigation of single trial event related potentials based dynamic time warping using machine learning techniques

Abstract

İnsanda ölçülen beyin elektriksel yanıtla, Elektroensefalogram epokları olarak ölçülmekte ve içinde bulunulan durum ve uyaranlara bağıl olarak frekans ve genlik bağlamında farklılıklar taşımaktadır. Olaya ilişkin potansiyeller ise uyarana verilen yanıtlar olup EEG ile ölçülebilmektedir. Bu epokların ortalaması arka plan aktivitesinin ortadan kaldırılması ve yalnız uyarana yanıtı göstermektedir. Bu çalışma kapsamında ise dinamik zaman bükmesi (dynamic time warping, DTW) temelli bağlantısallık metriği ERP tek epoklarının sınıflandırılmasında kullanılmıştır. On katılımıcıdan Stroop testi ile EEG ölçümü gerçekleştirilmiştir. DTW ile elde edilen metrikler, Destek vektör makinaları ve K-NN sınıflandırıcılarına girdi olarak kullanılmıştır.

Human brain electrical responses measured as Electroencephalogram epochs have different characteristics by means of amplitude and frequency content depending on the conditions and stimuli. Event-related potentials are the responses given to the stimuli and can be measured using the EEG. The average of these epochs are computed to remove the background activity and helps to exhibit the response to stimuli solely. In the concept of this study, dynamic time warping based connectivity features are used to classify the single-trial ERP epochs. Color Stroop test was implemented and ERP data are collected from 10 subjects. Support vector machine and K-NN classifiers are used and accurate classification results are achieved with the use of DTW metrics.