Bilişsel EEG kayıtları üzerinde veri madenciliği uygulaması

Bilgisayar ve veri saklama teknolojilerinin gelişmesi veriyi günlük hayatta daha kullanışlı hale getirmek için yeni tekniklerin ortaya çıkmasına sebep olmuştur. Özellikle karmaşık istatistiksel yöntemler, büyük miktarlardaki veriler üzerinde daha kolay uygulanabilir hale gelmiştir. Veri Tabanlarında Bilgi Keşfi ya da Veri Madenciliği isimli bu yeni yaklaşım her alana birçok avantaj getirmiştir. Bu sayede veriden tecrübeye geçiş sağlanmıştır.İnsan vücudu kendi içinde alt sistemleri olan ve çeşitli türlerde veriler üreten bir sistemler bütünüdür. Beyin başlı başına önemli hayati organlardan birisidir. Karmaşık iletişim mekanizmalarına ve henüz keşfedilmemiş birçok bölgeye ve işleve sahiptir. Elektroensefalografi (EEG) beyindeki elektriksel aktivitenin görüntülendiği bir yöntemdir. EEG tekniğinde, kafa üzerine yerleştirilen bir başlıktaki potansiyel fark alıcıları (elektrotlar), beynin bir işlevi ya da uyku sırasında üretilen küçük voltaj değişikliklerini zaman üzerine kaydederler. Bu veriler epilepsi, uyku bozuklukları, biyofizik, nöroloji başta olmak üzere birçok alanda kullanılmaktadır.Bu tez, veri madenciliği yöntemlerinin bazılarını dikotik dinleme testi sırasında kaydedilen EEG verileri üzerinde uygulamayı hedeflemektedir. EEG verisi detaylı olarak incelenmiş, analiz edilmiş, parçalara ayrılmış ve etiketlendirilmiştir. Farklı uyaranların etkisiyle oluşan tepkileri ve farklı elektrotlardaki sinyalleri karşılaştırmak ve benzerlik ya da benzemezliği tespit etmek üzere ZM istatistiği temel araç olarak kullanılmıştır.ZM istatistiği sinyallerin şiddet benzerliğini belirlemede güçlü bir araç olmasına karşın şekil benzerliğini tespit etmede güçlü değildir. Tezde bu eksikliği gidermek amacıyla sinyallerin davranış benzerliğini de bulabilmek için veriler fark sinyallerine dönüştürülmüştür. ZM istatistiğini dönüştürülen verilere uygulayarak daha güvenilir sonuçlar elde edilmiştir. Dönüşümden önce bulunamayan benzerlikler fark edilir olmuştur. Verinin bu şekilde düzenlenmesiyle farklı büyüklüklerde benzer davranış gösteren sinyaller de belirlenebilmektedir.Bunun yanısıra, elde edilen benzerliği desteklemek amacıyla elektrotlar arasında bir kümeleme çalışması da gerçekleştirilmiş ve dendrogram grafiği ile sunulmuştur.