Multipl skleroz hastalarının sanal gerçeklik ortamında zihinsel iş yükü seviyelerinin EEG sinyalleri ile incelenmesi

Abstract

Bireylerin herhangi bir görevi tamamlamak için ihtiyaç duyduğu zihinsel kapasite miktarı zihinsel iş yükü olarak tanımlanır. Bireylere çok fazla zihinsel iş yükü yüklememek veya bir görevin tamamlanması için gereksiz insan kaynağı yaratmamak için uygun seviyenin belirlenmesi önemlidir. Multipl Skleroz (MS), genetik ve çevresel faktörlerin etkileşimi nedeniyle kazanılmış ve doğuştan gelen bağışıklık sistemlerini aktive eden, farklı nörolojik semptomlarla kendini gösteren otoimmün nörodejeneratif bir merkezi sinir sistemi hastalığıdır. Bu tez çalışmasında, bilgisayar ve sanal gerçeklik ortamlarında bilişsel görevler sırasında MS hastalarının EEG sinyallerinden zihinsel iş yükü seviyesini düşük, orta ve yüksek olarak sınıflandırmak ve aynı görevleri yapan sağlıklı gönüllülerle karşılaştırmak amaçlanmıştır. Çalışmada 45 gönüllünün (17 MS, 28 sağlıklı) bilgisayar ve sanal gerçeklik ortamında 3 bilişsel görevdeki (dikkat ve hafıza, bilgi işleme, araba simülasyonu) EEG sinyalleri ve NASA–RTLX anket sonuçları kullanılarak zihinsel iş yükü seviyeleri tahmin edilmiştir. Zihinsel iş yükü seviyesini belirlemek için yeni bir yaklaşım önerilmiştir. Destek Vektör Makinesi sınıflandırıcısı ile MS hastalarında üç seviyeli zihinsel iş yükü sınıflandırma doğruluğu, bilgisayar ve sanal gerçeklik ortamları için sırasıyla %96.08 ve %94.12'dir. Sağlıklı gönüllüler için bilgisayar ve sanal gerçeklik ortamlarında sınıflandırma doğruluğu sırasıyla %95.24 ve %94.05'tir. Bu tez çalışması, MS hastalarının bilgisayar ve sanal gerçeklik ortamlarında bilişsel görevler sırasında elde edilen EEG sinyallerinden zihinsel iş yükü araştırması yapılan ilk çalışma özelliğini taşımaktadır.

The amount of mental capacity required by individuals to complete any task is defined as mental workload. It is important to determine the appropriate level in order not to impose too much mental workload on individuals or not to create unnecessary human resources for the completion of a task. Multiple Sclerosis (MS) is an autoimmune neurodegenerative central nervous system disease that activates the acquired and innate immune systems due to the interaction between genetic and environmental factors and manifests itself with different neurological symptoms. This thesis aims to classify the mental workload level of MS patients as low, medium, or high from EEG signals during cognitive tasks in computer and virtual reality environments and to compare them with healthy volunteers performing the same tasks. In this thesis, the mental workload level of 45 volunteers (17 MS, 28 healthy) is estimated by using EEG signals and NASA–RTLX questionnaire results in 3 cognitive tasks (memory, information processing, car simulation) in computer and virtual reality environments. A new approach is proposed to determine the mental workload levels. The three-level mental workload classification accuracy in MS patients with the Support Vector Machine classifier is 96.08% and 94.12% for computer and virtual reality environments, respectively. For healthy volunteers, classification accuracy is 95.24% and 94.05% in computer and virtual reality environments, respectively. This thesis is the first study in which mental workload research is conducted from EEG signals obtained during cognitive tasks in computer and virtual reality environments of MS patients.