ADHD bireylerinin frontal lob eeg sinyallerinde biyometrik doğrulama için sinyal işleme ve 1D-CNN yaklaşımları

Bu tezde, biyometrik tanıma sistemlerinin güvenlik uygulamalarındaki önemi ve geleneksel yöntemlerin sınırlamaları incelenmiştir. Bilişsel biyometri kapsamında, sinir sisteminden elde edilen biyosinyallerin kullanımı ele alınmıştır. Özellikle EEG (elektroensefalografi) sinyalleri, uygun maliyetli ve kullanımı kolay cihazlar sayesinde biyometrik tanıma için tercih edilmektedir. Ancak, mevcut EEG tabanlı sistemlerde ergonomik tasarım ve sinyal kalitesi gibi sorunlar bulunmaktadır. Bu çalışmada, dikkat eksikliği ve hiperaktivite bozukluğu (ADHD) olan bireyler üzerinde EEG tabanlı biyometrik doğrulama yöntemleri araştırılmıştır. ADHD hastası bireylerden toplanan frontal lobdaki EEG verileri kullanılarak, sinyal işleme ve derin öğrenme teknikleriyle bir biyometrik doğrulama modeli geliştirilmiştir. Elde edilen sonuçlar, EEG sinyallerinin ADHD hastası bireylerde biyometrik doğrulama için kullanılabilirliğini göstermektedir. Bu çalışma, literatürde sınırlı olan ADHD bireyler üzerinde biyometrik tanıma araştırmalarına önemli bir katkı sağlamaktadır. Gelecekteki araştırmalar için daha geniş veri setleri ve gelişmiş cihazlar önerilmektedir.