Gerçek zamanlı fizyolojik sinyal verilerinin karşılaştırmalı öğrenme tekniği ile kişiselleştirilmiş anomali tespiti

İnsanlardan alınan fizyolojik sinyaller, sağlık başta olmak üzere birçok alanda önem taşımaktadır. Kişinin kalp atış hızı, vücut sıcaklığı, kan basıncı, elektrodermal aktivite gibi bilgileri analiz edilerek kalp hastalıklarını teşhis edilebilmek, stres seviyesini belirleyebilmek, egzersiz performansını izlemek gibi birçok fayda sağlamaktadır. Teknolojinin gelişmesiyle birlikte fizyolojik sinyallerin daha kolay elde edilebilir olmasını sağlayan akıllı saatler ve bileklikler günlük yaşantımıza girmişlerdir. Bu sayede insanlar spor yaparken veya günlük hayatlarında, geliştirilen bu teknolojileri kullanarak sağlık durumlarını takip edebilmektedir. İnsan sağlığını etkileyen beslenme, fiziksel aktivite, uyku düzeni, genetik faktörler gibi unsurlardan biri de strestir. Günümüzde yaygın bir sorun haline gelen stres, sağlığımız üzerinde de ciddi etkilere sahiptir. Ayrıca vücuttaki çeşitli fizyolojik sinyaller üzerinde de stresin etkileri görülebilmektedir. Yapılan tez çalışması kapsamında da stresin fizyolojik sinyaller üzerindeki etkilerinin incelenmesi amacıyla karşılaştırmalı öğrenme modeli kullanılarak kişinin stresli olup olmadığının tespitinin yapılabilmesi hedeflenmektedir. Normal şartlar altında beklenenden farklılık gösteren, alışılmadık veya dikkat çekici olay ve durumlara anomali denmektedir. Bu nedenle çalışma kapsamında bir kişinin stresli olması anomali olarak değerlendirilmektedir. Karşılaştırmalı öğrenme, etiketlenmemiş veriler üzerinde kullanılmak üzere ortaya çıkan bir derin öğrenme yöntemidir. Zaman serisi verilerinde anomali tespiti, etiketlenme eksikliği nedeniyle genellikle sorun oluşturmaktadır. Bu sorunu çözebilmek için farklı hastalıklara sahip (obstetrik brakial pleksus yaralanması, disleksi, zihinsel engelli ve tipik olarak gelişmiş) çocuklardan alınan zaman serisi olarak tutulan kan hacmi nabzı, elektrodermal aktivite ve vücut sıcaklığı verileri ile karşılaştırmalı öğrenme modeli kullanılarak anomali tespiti yapılması hedeflenmektedir. Çalışma kapsamında ilk önce tüm veriler kullanılarak ardından kişiye özel anomali tespiti yapılmaktadır. Sonucunda ise kişiselleştirilmiş anomali tespitinin genel anomali tespitinden daha başarılı bir sonuç elde ettiği görülmektedir.