Elektrookulogram (EOG) sinyalinin incelenmesi ve yapay zekâ teknikleri ile modellenmesi

Abstract

Biyomedikal teknoloji; hastalıkların teşhis ve tedavisi için geliştirilen tüm araçların üretimini konu alan bir bilim dalıdır. Biyomedikal cihazlar, tıp ve mühendislik alanlarında çokça araştırılan konular arasındadır. Biyomedikal teknolojinin günümüzde sağladığı yararlar günden güne arttığından bu cihazlara verilen önemde aynı doğrultuda artmaktadır. Hareket kabiliyeti olmayan ya da kısıtlı olan hastaların yaşam kalitelerini artırabilmek amacıyla yeni biyomedikal cihazlar üretilmeye çalışılmaktadır.Günümüzde, el, ayak veya kollarını kullanamayan hastalar için sorunlu organlar yerine diğer organlardan faydalanarak yapay hareketler elde edilebilmektedir. Bu bağlamda göz hareketleri önemli bir veri kaynağı haline gelmiştir. Özellikle göz hareketlerinin dış ortama mesaj verebilmek için kullanımı popüler bir bilimsel araştırma konusu olmuştur. Göz hareketlerine bağlı olarak yapılan çalışmalarda, elektriksel kökenli biyolojik işaretler olan elektrookulogram (EOG) sinyallerinden yararlanılmaktadır. Yaş, cinsiyet, ortam aydınlatması gibi etkenlerden etkilenebilen EOG sinyalleri farklı yöntemlerle analiz edilebilir.Bu tez çalışmasında EOG sinyali ile yön tespiti yapabilen akıllı bir denetim sistemi önerilmiştir. Gözün etrafına yerleştirilen elektrotlar vasıtasıyla alınan yatay ve dikey EOG sinyalleri yapay zekâ tekniklerinden Yapay Sinir Ağları (YSA) ve Bulanık Mantık yöntemleri ile modellenmiştir. Sistem; sağa, sola, yukarı, aşağı olmak üzere dört ana yönü tespit edebildiği gibi göz kırpma ve tik hareketlerini de tespit edebilmektedir. Alınan sinyaller ilk olarak bilgisayarda yükselteç ve ön filtreleme işlemlerinden geçirilip gürültü ve istenmeyen bölümlerden temizlenmektedir. Elde edilen sinyallerden hareket özelliklerini çıkarabilmek için `hareket alanı` ve `hareket geçiş kontrol ` ismi verilen algoritmalar önerilmiştir. Bu algoritmalarla, göz hareketleri dikey ve yatay olarak algılanabilir. Hesaplanan özelliklere göre gelen sinyal akıllı denetleyicilerle sınıflandırılmaktadır. Önerilen YSA ve bulanık mantık denetleyici modellerin performansları istatistiksel doğruluk analizleri yapılarak ortaya konulmuştur. Analiz sonuçlarında görülmüştür ki, her iki model de göz hareketlerini başarılı bir şekilde sınıflandırabilmektedir, ancak bulanık mantık denetleyici modelin performansının YSA modelden daha yüksek olduğu gözlemlenmiştir. Bilgisayar ekranından göz hareketlerinin takip edilebilmesi için bir kullanıcı arayüz yazılımı gerçekleştirilmiştir. Bu yazılım ile hasta bireylerin yön bilgileri ve özellikleri ekrana yansıtılmaktadır. Çalışmada son olarak şaşılık hastalığına sahip insanların EOG ile yön denetimi yapabilmesi için bir bulanık mantık kontrol modeli ortaya konulmuştur. Yapılan testlerde önerilen modelin şaşılık bilgisi ve EOG özellikleri kullanılarak göz hareketlerini başarılı bir şekilde tespit edebildiği gösterilmiştir.

Biomedical technology is a science which has subject matter to develop all instrument for diagnose and treatment of disease. Biomedical equipment is common research topic in engineering and medical science. Owing to fact that the benefits of the biomedical technology increase, significance of this instrument is increasing in the same line. New biomedical equipment have been tried to produce for paralyzed person to raise their life quality. At present day, affected movements have been obtained by utilizing other organs for paralyzed patient. So eye movements have become important data source. Especially the usage of eye movements for giving message to outside is popular scientific subject. In studies according to eye movements, the electrooculogram (EOG) signal is used. EOG signals, influenced on age, gender, lighting, can be analyzed with different methods.In this thesis study, an intelligent control system which can detect direction with EOG signal has been referred. The vertical and horizontal EOG signals taken from electrodes, placed around the eyes, and has been modeled by using Artificial Neural Networks and Fuzz Logic which are artificial intelligent techniques. The system can sense four main directions (Right, Left, Up and Down) at the same time it can detect blinking and tic movements. Firstly, the signals have been cleaned from noises and needless parts by amplifying and pre-filtering. The `movement range` and `movement switching control` algorithms have been recommended for feature extraction from EOG. The eye movements can be perceived as vertical and horizontal with these algorithms. According to these features obtained signal can be classified with intelligent control systems.The performances of the recommended ANN and Fuzzy logic control models have been demonstrated by analyzing the statistical accuracy. It has seen that each model can be classified the eye movement successfully; however it is observed that the fuzzy logic model has better performance than the ANN model. The user interface application has been developed to follow eye movements from computer screen. Direction data and EOG features of patients have been projected on the screen with this application.Finally, in this work, a fuzzy logic control model has been designed to detect EOG direction of people which have diplopia. It is shown that the eye movements have been determined successfully by using diplopia data and EOG features in test results.