EEG ile Duygu Sınıflandırmasında Zaman-Frekans Tabanlı Özniteliklerin Makine Öğrenmesi Yöntemleriyle Değerlendirilmesi

Elektroansefalografi (EEG) sinyalleri insanların zihinsel ve duygusal durumlarını analiz etmede yaygın olarak kullanılan nörofizyolojik bir ölçüm yöntemidir. EEG tabanlı duygu tanıma sistemleri sayesinde insan-bilgisayar etkileşimi ve sağlık teknolojileri alanlarında önemli bulguların elde edilmesi mümkün olmuştur. Fakat literatürde farklı türdeki özniteliklerin birlikte kullanıldığı ve bireyler arası genellenebilirliğin değerlendirildiği çalışmalar oldukça sınırlıdır. Bu nedenle bu çalışmada öznitelik çıkarımı, seçimi ve değerlendirmesi bütüncül biçimde ele alınarak, farklı doğrulama yöntemleriyle çeşitli makine öğrenmesi modellerinin performanslarının karşılaştırılması amaçlanmıştır. Çalışmamızda GAMEEMO veri setinde yer alan 28 katılımcıya ait 14 kanallı EEG sinyallerinden, zaman ve frekans bileşenlerinin çıkarımı gerçekleştirilmiştir. Sonrasında ise, ANOVA yöntemi ile en etkili öznitelikler seçilerek, özniteliklerin frekans ve zaman düzeyinde yorumlanması sağlanmıştır. Sınıflandırma aşamasında, hem ikili (pozitif/negatif duygu) hem de çok sınıflı (Sıkıcı – Sakin – Korkunç – Eğlenceli) duygu sınıflandırma görevleri ele alınmış; çeşitli makine öğrenmesi algoritmaları hem 5 katlı çapraz doğrulama (5-fold CV) hem de birey-dışı bırakmalı çapraz doğrulama (LOSOCV) stratejileri altında karşılaştırılmıştır. İkili duygu sınıflandırma görevinde, 5-fold CV altında en yüksek sınıflandırma doğruluğu %94.70, LOSOCV senaryosunda ise %96.43 olarak elde edilmiştir. Çoklu duygu sınıflandırma görevinde, 5-fold CV yöntemiyle en yüksek doğruluk %96.44, LOSOCV stratejisi altında ise %98.21 olarak ölçülmüştür. Çalışma sonunda, zaman ve frekans temelli özniteliklerin birlikte kullanılmasının EEG tabanlı duygu tanıma sistemlerinde yalnızca yüksek sınıflandırma doğruluğu değil, aynı zamanda güçlü bireyler arası genellenebilirlik sunduğu görülmüştür.