Bilişsel yorgunluğun EEG işaretleri ile sınıflandırılması

Abstract

Bilişsel yorgunluk, beyinin aşırı aktivitesinden kaynaklanır. Uzun süreli konsantrasyon, yüksek risk altında stresli çalışma ve uykusuzluk gibi diğer faktörlerden de kaynaklanabilir. Bilişsel yorgunluk üretkenliğin azalmasına ve güvenlik risklerinin artmasına yol açar. Bu tez çalışmasında bilişsel yorgunluk öznel verilere bağlı kalmadan hızlı ve doğru bir şekilde tespit edilmek istenmiştir. Bunun için CogBeacon veri seti kullanılmıştır. Bu veri seti 19 kadın ve erkek katılımcıdan iki oturumda gerçekleştirilen 76 bilişsel görev esnasında, 4 elektrotlu MUSE EEG cihazı yardımıyla toplanmıştır. Toplanan ham EEG rast gele ayrılmıştır. Genelde ses sinyallerinin analizinde kullanılan 12 farklı katsayının hesabı yapılarak sınıflandırma işlemi yapılmıştır. Öznitelik olarak OK, LD, OMD, DOMD1, DOMD2 ve GOMD denenmiştir. En iyi sonuçlar MFKK ve GTKK hesapladıktan sonra k-EYK ve DVM algoritmalarıyla yapılan sınıflandırma işlemleri sonucu elde edilmiştir. MFKK hesaplandıktan sonra yapılan sınıflandırmada k-EYK sınıflandırma doğruluğu %78.72, DVM sınıflandırma doğruluğu %78.43, aynı şekilde GTKK hesaplandıktan sonra yapılan sınıflandırmada k-EYK sınıflandırma doğruluğu %78.08, DVM sınıflandırma doğruluğu %76.61 olarak hesaplanmıştır.