İyi–kötü kokular ile ilişkili EMOTIV-EPOC tabanlı EEG kayıtlarının makine öğrenmesi yöntemleri ile sınıflandırılması

Koku uyartısının beynin elektriksel aktivitesi üzerinde etkileri olduğu bilinmektedir. Kokunun kişinin hislerine, davranışlarına ve ruh haline etkisi yadsınamaz. Birçok dış uyarana göre kokuların hem duyusal hem de bilişsel etkileri, kokuyu karmaşık bir olgu haline getirmiştir. Bu yüzden koku verilerinin insan sinir sistemi üzerine olan etkileri henüz kesin yargılarla ifade edilememektedir. Ayrıca koku fonksiyonu, bazı nörolojik hastalıklardan (Parkinson, Alzheimer, motor nöron rahatsızlıkları) etkilenmekte, kokuya olan hassasiyet, farklı kokuları ayırt etme ve kokuyu tanıma algısı azalabilmektedir. Klinik tedavilerde bu durum bazen gözden kaçırılmaktadır. Beynin elektriksel aktivitesini inceleyebilmek için birçok elektro-fizyolojik yöntemler bulunmaktadır. Bu yöntemlerden biri olan Elektroensefalogram (EEG), beynin işleyişi hakkında yorumlar yapabilmek için önemli bir kaynaktır. Bu çalışmada iyi – kötü koku verilerine ilişkin EEG işaretlerinin analizi ve sınıflandırılması amaçlanmıştır. Katılımcılara uygulanan değerlendirme anketleri ve kokulara ait güç spektrum grafikleri yardımıyla en baskın 2'şer iyi – kötü koku belirlenmiştir. Kokulara ait EEG verilerine ayrık dalgacık dönüşümü (ADD) uygulanmış ve istatiksel işlemlerle öznitelik vektör boyutu azaltılmıştır. Sınıflandırıcı olarak WEKA veri madenciliği programına ait çok katmanlı algılayıcılar, k-en yakın komşuluk, naive bayes ve rastegele orman algoritmaları kullanılmıştır. Diferansiyel gelişim algoritması ile kanal seçimi yapılıp sınıflandırma işlemleri tekrarlanmış ve sonuçlar karşılaştırılmıştır. Tüm kanalların kullanıldığı aşamada, her katılımcıya ait en başarılı 2 bandın birleştirildiği sınıflandırma sonuçlarına bakıldığında NB % 70.93, kNN % 92.76, ÇKA % 92.73 ve RO algoritması %99.19 başarım oranları elde edilmiştir. Seçilen 5 kanalın kullanıldığı aşamada sınıflandırma sonuçlarına bakıldığında NB % 68.45, kNN % 88.95, ÇKA % 88.83 ve RO algoritması %97.58 başarım oranları elde edilmiştir. Mevcut çalışma ile beynin hangi bölgelerinin ve frekans bantlarının koku ile ilişkili olduğu kestirilmeye çalışılmıştır. Ayrıca yöntemin klinik tedavilerde bazı nörolojik hastalıkların erken tespitinde kullanılabileceği düşünülmektedir.