Kas 2025 – Haz 2026
NeuroMotion
Geliştirdiğim bu beyin-bilgisayar arayüzü projesinde, kuru elektrotlu EEG sistemlerinden alınan beyin sinyallerini kullanarak kullanıcıların hareket niyetlerini (örneğin 'ileri' veya 'sol' gibi) tespit ettim. MNE ve Matlab ile sinyal işleme ve filtreleme yaparken, ham EEG verisinden 2 boyutlu komutlar üretebilmek için TensorFlow ve PyTorch tabanlı derin öğrenme modelleri geliştirdim. Sistem, beyin tabanlı geri bildirim (ErrP) sayesinde hatalı tahminlerini algılayıp düzeltebilme yeteneğine de sahiptir. Proje, motor engelli bireylerin simüle edilmiş bir tekerlekli sandalye veya robotik kolu kontrol etmesini sağlayan kullanıcı dostu bir arayüzle tamamlandı.
Genel Bakış
Geliştirdiğim bu beyin-bilgisayar arayüzü projesinde, kuru elektrotlu EEG sistemlerinden alınan beyin sinyallerini kullanarak kullanıcıların hareket niyetlerini (örneğin 'ileri' veya 'sol' gibi) tespit ettim. MNE ve Matlab ile sinyal işleme ve filtreleme yaparken, ham EEG verisinden 2 boyutlu komutlar üretebilmek için TensorFlow ve PyTorch tabanlı derin öğrenme modelleri geliştirdim. Sistem, beyin tabanlı geri bildirim (ErrP) sayesinde hatalı tahminlerini algılayıp düzeltebilme yeteneğine de sahiptir. Proje, motor engelli bireylerin simüle edilmiş bir tekerlekli sandalye veya robotik kolu kontrol etmesini sağlayan kullanıcı dostu bir arayüzle tamamlandı.
Problem
Motor engelli kullanıcıların klasik el girdisine bağlı kalmadan hareket niyetlerini aktarabilen arayüzlere ihtiyacı var; EEG tabanlı BCI çalışmalarında ise tekrarlanabilirlik ve erişilebilir donanım önemli sorunlar oluşturuyor.
Teknik Yaklaşım
Kuru elektrotlu EEG sinyalleri için MNE, Matlab, TensorFlow ve PyTorch etrafında bir işleme hattı tasarladım. Sistem hareket niyeti sınıflandırma, 2 boyutlu komut üretimi ve hatalı tahminleri düzeltmek için ErrP geri bildirimi üzerine odaklandı.
Sonuç
Proje, araştırma odaklı BCI modellemeyi simüle tekerlekli sandalye veya robotik kol kontrolüne bağlayarak daha net bir yardımcı teknoloji yönü kazandı.