Elektroensefalografi işaretlerinin makine öğrenme tabanlı sınıflandırılmasında en iyi öznitelik seçiminin araştırılması

Anksiyete, üretkenliği ve yaşam kalitesini etkilediği kadar insan yeteneklerini ve davranışlarını da etkiler. Depresyon ve intiharın ana nedeni olarak kabul edilebilir. Günümüzde klinisyenler anksiyete bozukluklarını teşhis etmek için belirli kriterler kullanılmaktadır. Anksiyete tespitinin karmaşık görevini yerine getiren, invaziv olmayan güvenilir tekniklere ihtiyaç vardır. Bu çalışma, elektroensefalografi (EEG) sinyallerini analiz ederek ikili ve dörtlü sınıfları daha az EEG kanalı ve öznitelik sayısı kullanarak sınıflandırmayı amaçlamıştır. 23 kişinin 14 kanallı EEG sinyalini içeren DASPS veri tabanı kullanılmıştır. EEGLAB kullanarak 14 kanaldan 4 kanal seçilmiştir. Öznitelik çıkarımı için dalgacık dönüşümü, fourier dönüşümü ve istatistiksel yöntemler kullanılmıştır. MATLAB sınıflandırma öğrenicisi araç kutusundaki 4 farklı yöntem ile sınıflandırma yapılmıştır. En yüksek doğrulukta oranları, ikili sınıflandırmada %68,3 doğrulukta destek vektör makinesi, dörtlü sınıflandırmada %61 doğrulukta destek vektör makinesi ile elde edilmiştir.