Tag: eeg

Categories
DSP Neurosains

EEG-Based Emotion Classification Using Wavelet Decomposition and K-Nearest Neighbor

Agfianto Eko Putra, Catur Atmaji, and Fajrul Ghaleb

In the area of affective computing technology, the classification of emotions can be used for a variety of things such as health, entertainment, education, etc. This study determined the classification of emotions based on EEG (Electroencephalography) signals, which is emotions are classified according to the 2-dimensional graphics modeling of arousal and valence. This research uses a wavelet decomposition method to get features from the EEG signal. Features taken from the signal is a power signal decomposition of sub-band theta, alpha, beta, and gamma. These features are derived from the 5 levels decomposition using Coiflet2 and Daubechies2 mother wavelet. Classification is done using k-Nearest Neighbor (kNN) with the closest neighbor calculated based on correlation distance. Data validation is done using 5-folds cross-validation for validation of test data and training data. The highest accuracy obtained by using the mother wavelet Coiflet 2 with kNN parameter k=21. Valence classification accuracy is 57.5%, and accuracy of arousal is 63.98%.

[click here]

Categories
DSP

Three-Class Classification of EEG Signals Using Support Vector Machine Methods

Catur Atmaji, Agfianto Eko Putra, and Irvan Albab Tontowi

Many research on how the human brain works have been done in the last century. The use of electroencephalogram signal generated from quantifying the brainwave has been developed in many areas including the development of brain-computer interface (BCI) concept. One type of BCI that interesting for the future use is motor imagery (MI) based-BCI which only requiring imagination of a person to control an object. This study proposed a feature extraction in eight different channels using discrete wavelet (DWT) coefficients. The wavelet coefficient is transformed to a frequency domain using discrete Fourier transform (DFT) and then average power spectrum is calculated. Level 5 of detail component of the DWT is chosen because, from 512Hz sampling frequency (8 – 16Hz), it resembles mu rhythm of brain wave (8 – 12Hz) which affected from motor imagery activity. The classification of three classes, which are the imagination of right body movement, left the movement, and random word using multiclass support vector machine (SVM) shows a promising result with a sensitivity of 96.88%, 86.12% and 52.78% from three different subjects.

[click here]

Categories
DSP Mikrokontroler Neurosains

EEG-Based Microsleep Detector using Microcontroller

Tifani Galuh Utami, Agfianto Eko Putra and Catur Atmaji

Drowsiness has symptoms which are itchy eyes, slow eye blink movement, smaller pupils, yawning and even a body. But the driver ignores it when the body send one of those signals often. The impacts which can occur to the driver, such as make a wrong decision while driving, could happen and lead to the most car accident reason. Therefore, the system which can provide an alarm when the driver feels drowsiness, fatigue or even microsleep is required. The way to detect microsleep when it occurs is to use the Electroencephalograph (EEG) brainwave. The system uses the one channel EEG Sensor device developed by Neurosky Mindwave which can provide eight brainwave signal such as Delta, Theta, Low Alpha, High Alpha, Low Beta, High Beta, Low Gamma, and Mid Gamma. On the other hand, attention and relaxation value can be generated as well. This prototype system tested by the car driver achieved its purpose of detecting microsleep event and alerting the driver by the alarm.

(click here)

Categories
DSP Neurosains

Analisis EEG Menggunakan Transformasi Fourier Waktu-singkat dan Wavelet Kontinu: Studi Kasus Pengaruh Bacaan al Quran

oleh: Agfianto Eko Putra dan Putrisia Hendra Ningrum Adiaty

Telah dilakukan analisis pengaruh bacaan Al Qur’an pada rekaman EEG menggunakan Transformasi Forier Waktu-Singkat (Short Time Fourier Transform atau STFT). Data yang dianalisis adalah rekaman EEG dari 5 orang laki-laki berumur 20-30 tahun. Setiap subyek mengalami 3 tahap perlakuan, yaitu diam, didengarkan bacaan Al Qur’an dan diam lagi. Perekaman EEG pada masing-masing subjek berlangsung selama 30 menit. Namun, data yang dianalisis adalah data transisi saat diam sampai diperdengarkan bacaan Al Qur’an pada menit ke 8 sampai 10. Data kemudian dianalisis menggunakan STFT dengan jendela Hamming panjang 128. Hasil analisis menunjukkan bahwa untuk keseluruhan subyek, otak kanannya aktif, didominasi oleh gelombang delta dan setelah didengarkan bacaan Al Qur’an, daya gelombang delta tersebut bertambah. Selain gelombang delta, gelombang theta dan alpha juga muncul setelah subyek mendengarkan bacaan Al Qur’an. Ayat Al Qur’an yang didengarkan pada subyek adalah surat Al-A’raaf ayat 40-47, Al-Baqarah ayat 255-257 dan ayat 285-286.

Ucapan Terima kasih

Diucapkan terima kasih kepada Jurusan Ilmu Komputer dan Elektronika (JIKE), Fakultas Matematika dan Ilmu Pengetahuan Alam, Universitas Gadjah Mada atas dukungan dana penelitian ini pada tahun 2011. Juga pihak Rumah Sakit Sardjito Yogyakarta atas ijin-nya menggunakan alat rekam EEG selama proses perekaman EEG berlangsung.

Selengkapnya silahkan unduh disini. Terima kasih dan semoga bermanfaat…

Categories
DSP Neurosains

Analisis Data EEG pada Beberapa Kondisi menggunakan Metode Dekomposisi dan Korelasi berbasis Wavelet (Dekorlet)

Data rekam EEG (Electroencephalo-gram) yang berupa sinyal digital dapat dianalisis dengan metode dekomposisi dan korelasi berbasis wavelet (dekorlet) untuk mengekstraksi informasi frekuensi yang terkandung di dalamnya. Dekomposisi berbasis wavelet digunakan untuk membagi frekuensi yang terkandung mendekati klasifikasi frekuensi ritme gelombang EEG, yaitu delta, theta, alpha dan beta. Sedangkan proses korelasi digunakan untuk memperoleh informasi dominasi frekuensi gelombang EEG pada data rekam EEG yang bersangkutan.

Data EEG yang dianalisis berupa data dari 3 mahasiswa yang berusia 20 sampai 30 tahun (selanjutnya dinamai subjek 3, 4 dan 5). Setiap subjek melakukan lima aktivitas yaitu baseline, multiplication, letter-composing, rotation dan counting. Data dianalisis dengan metode dekorlet dengan wavelet induk Daubechies 3 dan Coiflet 3. Hasil analisis menunjukkan bahwa subjek 3 lebih dominan dalam aktivitas otak kanannya, sedangkan subjek 4 dan subjek 5 lebih dominan otak kirinya. Kemunculan gelombang beta pada occipital lobe subjek 5 menunjukkan kemungkinan kelainan pada occipital atau temporal lobe. Pengguna dengan dominasi aktivitas otak kanan lebih mengaktifkan peran parietal lobe, sedangkan pada subjek dengan dominasi otak kiri lebih mengaktifkan peran occipital lobe. Metode Dekorlet mampu mengekstraksi informasi dominasi frekuensi gelombang otak, dengan perbedaan hasil dari wavelet induk Daubechies 3 dan Coiflet 3 kurang dari 3% (0,03).

Catatan:

  • Dipresentasikan pada CITEE 2010 di Jurusan Teknik Elektro, Fak. Teknik – UGM, Yogyakarta pada Selasa, 20 Juli 2010;
  • Yang terkait dengan artikel atau makalah ini silahkan klik tentang Neurosains;
  • Silahkan mengunduh PDF-nya dan berdiskusi atau tanya jawab melalui komentar pada halaman artikel ini, terima kasih dan semoga bermanfaat, amin.
Categories
Neurosains

Neurosains: EEG atau Gelombang Otak

“Each state that you experience entails a symphony of brain waves, with each frequency playing its own characteristic part. This finely woven, intricate interrelationship of brain-wave frequencies delicately determines your state of consciousness. While you are rarely producing only one type of brain wave at a time, each category of brain waves has its own qualities and characteristics.” – Anna Wise (Awakening the Mind).

Gelombang otak pada dasarnya diklasifikasikan menjadi beberapa jenis, berikut penjelasan masing-masing gelombang otak…

Continue reading “Neurosains: EEG atau Gelombang Otak”