EOG tabanlı insan bilgisayar arabirim tasarımı

Abstract

Bilgisayarların kullanılmaya başlamasından bu yana İnsan Bilgisayar Arabirimi (İBA) üzerine yapılan çalışmalar da artmıştır. İBA, insanların yaşamlarını kolaylaştırmada, birçok işi hızlıca sonuca ulaştırmada, birlikte iletişim kurmada ve bazı cihazların opere edilmesinde kullanılabilmektedir. Birleşmiş Milletler 1992 yılından bu yana tüm dünyada engellilerin toplumsal yaşama katılımını ve onlara fırsat eşitliğini sağlamak için çalışmalarını sürdürmektedir. İBA’nın engelli bireylerin sorunlarının çözümünde büyük bir potansiyele sahip olduğu, ayrıca sosyalleşmelerine de katkıda bulunduğu görülmektedir. Bu çalışmada gözlerin istemli hareket ettirilerek kontrol edilmek istenen bir İBA için uygun sınıflandırma yöntemi araştırılmıştır. Elektrookülogram (EOG) temelli İBA’nın kontrolü için yedi isteli göz hareketinin iki kanallı aksiyon potansiyelleri kulanılmıştır. Sınıflandırmanın gerçek zamanlı uygulamasındaki başarımının en önemli etkenlerinden birisi veri kümesini doğru şekilde oluşturmaktır. Kullanıcılardan kaynaklı sinyal farklılıklarını en aza indirmek için öncelikle veri kaydında özgün bir yöntem geliştirilmiştir. Veri seti, yedi farklı göz hareketi sırasında ölçülen elektrookülografi (EOG) işaretlerinden oluşmaktadır. Sayısal işaret işleme yöntemleri kullanılarak EOG sinyali ön plana çıkarılmıştır. Sinyalllerin doğru şekilde ayrıştırılmasını sağlayacak geniş bir öznitelik çıkarma yöntem araştırması yapılmıştır. Bu öznitelikler hem klasik hem de derin öğrenme metotları ile sınıflandırılmıştır. Ayrıca öznitelik çıkarılmadan sinyalin ham haliyle yine derin öğrenme metotlarının sonuçları araştırılmıştır. Klasik sınıflandırma metotları ileri yönlü öznitelik seçim algoritması birlikte kullanılmıştır. Birçok öznitelik ve sınıflandırma yönteminin araştırıldığı, klasik ve derin öğrenme metotlarının karşılaştırıldığı çalışmamızda yedi komut için lightgbm sınıflandırma algoritması ile 95,66%, ham veri üzerinde yapılan derin öğrenme yöntemi ile ise %95.82 gibi yüksek bir oranda başarım elde edilmiştir. Geliştirdiğimiz insan bilgisayar arabiriminin, ihtiyaç veya yardım belirtme, engelli birey eğitimi, bazı ihtiyaçların otomatik giderilmesi gibi birçok farklı uygulamaya entegre edilebilir düzeyde katkı sağlayabileceği değerlendirilmektedir.

Bilgisayarların kullanılmaya başlamasından bu yana İnsan Bilgisayar Arabirimi (İBA) üzerine yapılan çalışmalar da artmıştır. İBA, insanların yaşamlarını kolaylaştırmada, birçok işi hızlıca sonuca ulaştırmada, birlikte iletişim kurmada ve bazı cihazların opere edilmesinde kullanılabilmektedir. Birleşmiş Milletler 1992 yılından bu yana tüm dünyada engellilerin toplumsal yaşama katılımını ve onlara fırsat eşitliğini sağlamak için çalışmalarını sürdürmektedir. İBA’nın engelli bireylerin sorunlarının çözümünde büyük bir potansiyele sahip olduğu, ayrıca sosyalleşmelerine de katkıda bulunduğu görülmektedir. Bu çalışmada gözlerin istemli hareket ettirilerek kontrol edilmek istenen bir İBA için uygun sınıflandırma yöntemi araştırılmıştır. Elektrookülogram (EOG) temelli İBA’nın kontrolü için yedi isteli göz hareketinin iki kanallı aksiyon potansiyelleri kulanılmıştır. Sınıflandırmanın gerçek zamanlı uygulamasındaki başarımının en önemli etkenlerinden birisi veri kümesini doğru şekilde oluşturmaktır. Kullanıcılardan kaynaklı sinyal farklılıklarını en aza indirmek için öncelikle veri kaydında özgün bir yöntem geliştirilmiştir. Veri seti, yedi farklı göz hareketi sırasında ölçülen elektrookülografi (EOG) işaretlerinden oluşmaktadır. Sayısal işaret işleme yöntemleri kullanılarak EOG sinyali ön plana çıkarılmıştır. Sinyalllerin doğru şekilde ayrıştırılmasını sağlayacak geniş bir öznitelik çıkarma yöntem araştırması yapılmıştır. Bu öznitelikler hem klasik hem de derin öğrenme metotları ile sınıflandırılmıştır. Ayrıca öznitelik çıkarılmadan sinyalin ham haliyle yine derin öğrenme metotlarının sonuçları araştırılmıştır. Klasik sınıflandırma metotları ileri yönlü öznitelik seçim algoritması birlikte kullanılmıştır. Birçok öznitelik ve sınıflandırma yönteminin araştırıldığı, klasik ve derin öğrenme metotlarının karşılaştırıldığı çalışmamızda yedi komut için lightgbm sınıflandırma algoritması ile 95,66%, ham veri üzerinde yapılan derin öğrenme yöntemi ile ise %95.82 gibi yüksek bir oranda başarım elde edilmiştir. Geliştirdiğimiz insan bilgisayar arabiriminin, ihtiyaç veya yardım belirtme, engelli birey eğitimi, bazı ihtiyaçların otomatik giderilmesi gibi birçok farklı uygulamaya entegre edilebilir düzeyde katkı sağlayabileceği değerlendirilmektedir.