Biberiye esansiyel kokusunun öğrenme üzerindeki etkisinin EEG sinyalleri kullanılarak yapay zeka algoritmaları ile incelenmesi

Abstract

Bilişsel faaliyetlerin ve bir görevi yerine getirme sırasında performans devamlılığını engelleyen mental iş yükünün Elektroansefalogram (EEG) sinyallerinden değerlendirilmesi yaygınlaşan çalışma konularındandır. Bu çalışma kapsamında, mental iş yükünü azaltıp öğrenme, dikkat, sözel ve görsel bellek faaliyetlerine pozitif etki yapacağı öngörülen biberiye esansiyel kokusu kullanılmıştır. Gönüllüler biberiye kokusu koklarken ve herhangi bir koku koklamazken iki farklı oturumda beş farklı nöropsikolojik test gönüllülere uygulanmış ve EEG sinyalleri kaydedilmiştir. Gönüllülere uygulanan testler; Öktem sözel bellek süreçleri testi, WMS-R görsel bellek alt testi, digit span test, corsi blok test ve stroop testtir. Uygulanan beş farklı nöropsikolojik test sırasındaki gönüllülerde oluşan mental iş yükü, biberiye kokusu uygulanıp uygulanmaması ve nöropsikolojik testlerdeki görev durumlarına göre sınıflandırılmıştır. Biberiye kokusu uygulanan gönüllülerdeki mental iş yükleri azalırken gönüllülerin öğrenme skorları ve test başarıları artmıştır. Gönüllülerdeki mental iş yükü sınıflandırması EEG sinyallerinden çıkartılan öznitelikler yardımıyla K-En Yakın Komşuluk (KNN), Destek Vektör Makinaları (SVM), Sınıflandırma ve Regresyon Ağaçları (CART) makine öğrenmesi algoritmaları kullanılarak yapılmıştır. Ayrıca, sınıflandırma algoritmalarında kullanılan öznitelikler One Way ANOVA testi yardımıyla istatistiksel olarak incelenmiştir. Dinlenme durumuyla koku uygulanmadan yapılan test sonuçları incelendiğinde gönüllülerin mental iş yükünün arttığı ve öğrenmelerinin azaldığı tespit edilmiştir. Biberiye kokusu uygulanan gönüllülerde koku uygulanmayan gönüllülere göre Öktem sözel bellek süreçleri testinde nispi beta gücünün arttığı, WMS-R görsel bellek alt testinde nispi alfa gücünün arttığı, digit span testinde beta gücünün azaldığı, corsi blok testinde nispi alfa gücünün arttığı ve stroop testinde nispi teta gücünün arttığı görülmüştür. Ayrıca, EEG sinyallerinden herhangi bir öznitelik çıkartmadan EEG sinyalleri 1D Evrişimli Sinirsel Ağlar (CNN) ve Uzun Kısa Süreli Bellek (LSTM) derin öğrenme algoritmalarında sınıflandırılmış ve makine öğrenmesi algoritmaları sonuçlarıyla karşılaştırılmıştır. Öktem sözel bellek süreçleri ve WMS-R görsel bellek alt testinde derin öğrenme algoritmaları %100 doğrulukla sınıflandırma başarısı gösterirken digit span, corsi blok ve stroop testteki mental iş yükü KNN ile ortalama %97,73 doğrulukla sınıflandırılmıştır. Tüm nöropsikolojik testlerde biberiye kokusu uygulanan gönüllülerin yaptıkları hatalar azalırken öğrenme skorlarının arttığı görülmüştür.

Evaluation of cognitive activities and mental workload, which prevents the continuity of performance while performing a task, from Electroencephalogram (EEG) signals is one of the widespread study subjects. Within the scope of this study, the essential scent of rosemary, which is predicted to reduce mental workload and have a positive effect on learning, attention, verbal and visual memory activities, was used. While the volunteers smelled rosemary and did not smell any odor, five different neuropsychological tests were administered to the volunteers in two different sessions and their EEG signals were recorded. Tests applied to volunteers; Öktem verbal memory processes test, WMS-R visual memory subtest, digit span test, corsi block test and stroop test. The mental workload of the volunteers during the five different neuropsychological tests applied was classified according to whether rosemary scent was applied or not, and their task status in the neuropsychological tests. While the mental workload of the volunteers who were administered rosemary scent decreased, the learning scores and test successes of the volunteers increased. Mental workload classification in volunteers was made using K-Nearest Neighborhood (KNN), Support Vector Machines (SVM), Classification and Regression Trees (CART) machine learning algorithms with the help of features extracted from EEG signals. In addition, the features used in the classification algorithms were statistically analyzed with the help of the One Way ANOVA test. Examining the results of the test performed without applying scent with the resting state, it was determined that the mental workload of the volunteers increased and their learning decreased. Compared to the volunteers who were administered the scent of rosemary, the relative beta power increased in the Öktem verbal memory processes test, the relative alpha power increased in the WMS-R visual memory subtest, the beta power decreased in the digit span test, the relative alpha power increased in the corsi block test, and the relative theta power in the stroop test. was found to increase. In addition, EEG signals were classified in 1D Convolutional Neural Networks (CNN) and Long Short-Term Memory (LSTM) deep learning algorithms without removing any features from the EEG signals and compared with the results of machine learning algorithms In Öktem verbal memory processes and WMS-R visual memory subtest, deep learning algorithms showed classification success with 100% accuracy, while mental workload in digit span, corsi block and stroop test was classified with an average of 97.73% accuracy with KNN. In all neuropsychological tests, it was observed that while the mistakes made by the volunteers who were administered rosemary scent decreased, their learning scores increased.