Gıda uyaranlarından elde edilen biyo-sinyallerin işlenerek obeziteye yatkınlık tespiti

Bu tezde, farklı vücut kitle indekslerine sahip katılımcılar görsel gıda uyaranlarına maruz bırakılırken kaydedilen 19 kanaldan alınan Elektroensefalografi (EEG) verilerini içeren benzersiz bir veri seti oluşturulmuştur. Ayrıca bu bireylere iki farklı yeme davranışı anketi uygulanmıştır. Elde edilen verilerle sınıflandırma ve regresyon işlemleri gerçekleştirilmiştir. Ana amaç, makine öğrenmesi ve derin öğrenme yöntemlerini kullanarak normal kilolu ve aşırı kilolu/obez bireylerin beyin sinyallerindeki farklılıkları sınıflandırmaktır. Çalışmanın ilk kısmında geleneksel makine öğrenmesi yöntemleri ile sınıflandırma işlemi yapılmış ve yüksek doğrulukta sınıflandırma sonuçları elde edilmiştir. İkinci kısımda ise derin öğrenme yöntemleri kullanılmıştır. Burada aşırı uyumu ve veri dengesizliğini azaltmak için tablo veri artırımı kullanılmıştır. Ek olarak, EEG özelliklerini görüntülere dönüştürmek için Denetimli Tabular Meta Öğrenme (SuperTML) yöntemi kullanılmış ve bu tür veriler için yeni bir uygulama olmuştur. Sınıflandırma sonuçlarında, DenseNet-121 ile T4 kanalında 0,97'lik bir oranla en yüksek doğruluk elde edilmiştir. Bölgesel olarak, temporal alanda en iyi ortalama doğruluk oranlarına ulaşılmıştır. Çalışmada ayrıca, katılımcıların anket yanıtlarına Random Forest, eXtreme Gradient Boosting (XGBoost), Light Gradient Boosting Machine (LightGBM) ve Oylama regresörü modelleri uygulanarak regresyon analizi yoluyla EEG verileri ile yeme davranışı arasındaki korelasyon araştırılmıştır. EEG verileri ile anketler arasında anlamlı bir ilişki tespit edilmiş ve LightGBM regresörü 0,966 R² değerine ulaşmıştır. Bu bulgular, mevcut literatüre kıyasla birçok açıdan üstün performans göstermektedir. Bu çalışma, derin öğrenme ve makine ağrenmesinin farklı vücut ağırlıklarına sahip bireylerde yeme davranışlarının altında yatan sinirsel mekanizmalara ilişkin anlayışa yeni bir boyut kazandırmakta ve bu alanda gelecekte yapılacak araştırmalar için sağlam bir metodolojik temel sunmaktadır.