Göz hareketlerinin takip edilmesiyle insan davranış ve sağlığının tespiti

Modern dünyadaki teknolojik gelişmeler, donanımsal iyileşmelerle birleşince insanların daha fazla bilgiye erişim isteği artmıştır. Bu bilgilere kullanıcıların bilinçdışı fikir, görüş ve niyetlerini belirttiği gözler üzerinden ulaşabilmek göz izleme sistemlerini artan bir popülariteye kavuşturmuştur. Bireylerin görsel uyaranlara karşı verdikleri tepkiler göz hareketlerini oluşturmuş kaydedilen bu sayısal verilerle kullanıcı hakkında örtük kalan bilgilere erişim mümkün olmuştur. Çalışmanın ilk bölümünde literatürdeki mevcut çalışmalar incelenmiş, sonraki bölümde göz metrikleri ve ne anlama geldikleri tanımlanmıştır. Ardından göz izleme alanındaki verisetleri belirtilerek göz izlemenin kısıtlılıkları belirtilmiştir. Bu kısıtlılıklardan en önemlisi olan az sayıdaki veri problemi interpolasyon işlemi ile çoğullanarak derin öğrenme çalışmalarında kullanılması sağlanmıştır. Beşinci bölümde görselleştirme teknikleri açıklanmıştır. Mevcut görselleştirme tekniklerine yeni bir yorum getirilerek Spektrogram önerilmiş ve literatüre farklı bir teknik eklenmiştir. Yedinci bölümde katılımcıların yaptıkları okuma esnasındaki göz hareketleri MPIIDEye veriseti kullanılarak analiz edilip ne tür doküman okudukları, cinsiyetin bakış farklılığına etkisi, dikkat metrikleri olarak bilinen negatif sıçrama ve göz kırpma parametrelerinin önemi aktarılmıştır. İki uygulamanın yapıldığı bu bölümde Laplacian ve Relieff ile özellik seçimi gerçekleştirilmiş dikkat faktörlerinin doküman türünde oldukça etkili olduğu tespit edilmiştir. Aynı bölümde erken teşhisi çok önemli olan otizm hastalığının sınıflandırılması ve daha önce çalışılmamış olan otizmin şiddet seviyelerinin belirlenmesi gerçekleştirilmiştir. Eye-Tracking adlı veri seti kullanılarak oluşturulan hibrit ağda spektrogram görüntüleri füzyon edilerek gözbebeği sinyallerinin yer aldığı görüntülerle birleştirildikten sonra mRMR ile özellik seçimi yapılıp SVM ile sınıflandırılmıştır. Otizm sınıflandırmasında daha fazla parametre ekleyerek araştırma yapılmak istenmiş LSTM yöntemi tercih edilerek uygulama gerçekleştirilmiştir. Özellik dizini 200 nöron ve 400 nöron içeren LSTM ağında PSO algoritmasıyla belirlenen farklı pencere boyutları tercih edilerek eğitilmiş başarılı sonuçlara ulaşılmıştır.