Mobil eeg tabanlı açlık ve tokluk sınıflandırılması

Hastanelerde ve laboratuvarlarda gerçekleştirilebilen yüzeysel elektroensefalografi (EEG) ölçümleri günümüz teknolojilerinin gelişmesiyle giyilebilir ve taşınabilir düzeye ulaşmıştır. Yapay zeka destekli beyin bilgisayar arayüzü (BBA) sistemleri engeli olan bireylerin EEG sinyallerinin işlenmesi ile dış dünyayla etkileşimde bulunmasında önemli rol oynamaktadır. Özellikle artan nüfusla beraber evde bakım ihtiyacı olan bireylerin temel ihtiyaçlarına destek olacak araştırmalar yaygınlaşmaktadır. Bu çalışmada, EEG ölçümleri üzerinden kişilerin açlık ve tokluk durumunu bilgisayar ortamında tespit edecek BBA sisteminin tasarlanması amaçlanmıştır. Bu kapsamda, çalışmanın ilk aşamasında 20 sağlıklı katılımcının gözler açık, gözler kapalı ve Olay İlişkili Potansiyel (OİP) senaryolarında EEG sinyalleri kaydedilerek veri tabanı oluşturulmuştur. Ön işlemede, alçak geçiren, yüksek geçiren ve çentik filtreler kullanılarak EEG sinyalleri gürültüden arındırılmıştır. OİP sinyallerinin maksimum, minimum, ortalama, medyan, varyans, basıklık, mod, maksimum ve minimum değerler arasındaki fark, standart sapma ve çarpıklık değerleri elde edilerek özellikler çıkartılmıştır. Gözler açık ve kapalı EEG ölçümlerin analizinde ise Dalgacık Paket Dönüşümü (DPD) yöntemi kullanılmıştır. Özellik seçiminde, Lineer Diskriminant Analiz (LDA) sınıflandırıcısının girdisi olan özelliklerden en başarılı doğruluk oranına sahip özellikler yapay zeka algoritmalarının girdisi olarak kullanılmıştır. Çalışmada, Çok Katmanlı Yapay Sinir Ağı, Destek Vektör Makinesi, k En Yakın Komşuluk ve Karar Ağacı algoritmaları kullanılarak Coiflet 1 ve Daubechies 4 dalgacıklarının aç ve tok durumlardaki EEG sinyalinin sınıflandırma performansları karşılaştırılmıştır. Çalışma sonucunda, üç farklı ölçüm yöntemi ve analiziyle doğruluk oranı %97,62, %95 ve %85 olarak tespit edilmiştir.