EEG alt bandlarının tekil spektrumu ile duygu durumları arasındaki ilişki

Abstract

Gündelik hayatta bilgisayar ve makine kullanımı giderek artmaktadır. Bilgisayar vemakine kullanımındaki bu artış insan ve bilgisayar etkileşimi, beyin bilgisayar arayüzügibi konulardaki araştırmaları da beraberinde getirmektedir. Birçok alanda önemi artaninsan bilgisar etkileşimi ve beyin bilgisayar arayüzlerinde, bireylerden alınanelektroensafalogram (EEG) verilerinin sınıflandırılması önemli bir rol oynamaktadır.Bu çalışmada hasta ve sağlıklı bireyler arasında duygu durumlarına göre, EEGişaretlerinin beynin hangi bölgelerinde farklılık gösterdiğinin bulunması ve duygularınsınıflandırılması amaçlanmıştır. 10 sağlıklı ve 10 hasta bireyden mutlu, mutsuz ve nötrduygu durumlarında beynin 16 ayrı bölgesinden EEG verileri alınmıştır. Elde edilenEEG verileri bir veri madenciliği aracı olan Weka ile sınıflandırılmıştır. Sınıflandırmaiçin yapay sinir ağları, basit lojistik ve rotasyon orman yöntemleri uygulanmıştır. Alfa,beta, teta, delta ve gama frekans banları için ayrı ayrı sınıflandırma sonuçları eldeedilerek frekans bandları ile sınıflandırma arasındaki ilişki incelenilmiştir.Uygulanan sınıflandırma algoritmalarına göre katılımcıların hasta ve sağlıklı şekildesınıflandırılmasında en yüksek başarı gama frekans bandında elde edilmiştir. Gamafrekans bandından sonra en başarılı ikinci frekans bandı beta olarak gözlemlenilmiştir.Aynı sınıflandırma algoritmaları ile duygu sınıflandırması gerçekleştirildiğinde enyüksek sınıflandırma başarıları beta ve gama frekans bandlarında gözlemlenilmiştir.

Usage of computers and machines in daily life is increasing day by day. The risein using computers and machines leads to improvement in researchs topics such ashuman-computer interaction and brain computer interfaces which have a growingimportance in recent years. Classification of electroencephalogram signals whichare obtained from individuals has a significant role in human-computer interactionand brain computer interfaces.In this thesis, we aimed to find which parts of brain can varyelectroencephalogram signals according to the emotion of patients and healthyindividuals. We also made emotion classification. Electroencephalogram signalswere gathered from 10 patients and 10 healthy person in 16 different part of brainwhen participants have pleasent, unpleasent and neutral emotions. Afterwardselectroencephalogram signals were classified by WEKA which is a tool for datamining. Artificial Neural Networks, Simple Logistic and Rotation Forestalgorithms were used in order to classify data. We obtained classification result infive different frequency band activities which are called Alpha, Beta, Gamma,Delta and Theta to examine relationship between frequency bands andclassification accuracy.The highest accuracy in the classification of healthy and patient participants wasobtained in the Gamma frequency band. The second highest accuracy inclassification observed in the Beta frequency band. In emotion classificication thehighest accuraciest observed in Beta and Gama frequencies bands when sameclassification algorithms were applied.