EEG işaretleri kullanılarak bağımlılığa yatkınlığın makine öğrenmesi teknikleri ile değerlendirilmesi

Alkol bağımlılığının Elektroensefalografi (EEG) sinyalleri ile teşhisi, hem kişisel açıdan hem de toplum açısından önemli bir konudur. Günümüzde birçok insan bu bağımlılıktan etkilenmektedir. Başta beyin, kalp ve bağışıklık sistemi olmak üzere fizyolojik etkileri olduğu gibi, psikolojik etkileri de söz konusudur. Bu etkileri gözlemleyebilmek için EEG sinyalleri etkin bir şekilde kullanılmaktadır. Bu çalışmada, alkolizme yatkınlığın EEG sinyalleri kullanılarak teşhisi yapılmıştır. Veritabanı aracılığı ile elde edilen EEG sinyal üzerinde öncelikle veri analizi yapılmıştır. Özyinelemeli öznitelik seçimi gerçekleştirilmiştir. Sınıflandırma için Çok Katmanlı Yapay Sinir Ağları (ÇKYSA), Evrişimsel Sinir Ağları (ESA), XGBoost Algoritması (XGBA), Rassal Orman Algoritması (ROA), K-En Yakın Komşu Algoritması (K-EKA) kullanılmıştır. Pyhton ortamında çalışılmıştır. Sınıflandırma başarım ölçütleri için doğruluk, kesinlik, duyarlılık ve F1 Skor kullanılmıştır. Algoritmalar çalışma süreleri açısından karşılaştırılmıştır. Sınıflandırma başarımı açısında ÇKYSA ve ESA en iyi sonuçları vermiştir. Algoritmaların çalışma süreleri açısından bakıldığında XGBA en hızlı çalışan algoritma olduğu görülmüştür.