Tanıdık ve tanımadık yüz uyaranları içeren EEG işaretlerinin derin öğrenme ile sınıflandırılması
Classification of EEG signals containing familiar and unfamiliar face stimulus using deep learning
- Tez No: 863996
- Danışmanlar: PROF. DR. HAMDİ MELİH SARAOĞLU
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: EEG, Yüz tanıma, Face recognition
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Kütahya Dumlupınar Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Elektronik Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
İnsanlar, yüz tanıma konusunda yeteneklidir ve bir yüzü beyninde kolaylıkla tanıyabilir. Tanıdık ve tanımadık yüzleri ayırt etmek bazı zihinsel hastalıklar, güvenlik operasyonları ve adli soruşturmalarda araştırma konusu olarak kullanılabilir. Tanıdık bir yüzü tanımanın altında yatan nöral değişiklikler bilim insanlarının odak noktası olmuştur. Bu nöral değişiklikler Elektroensefalografi (EEG) sinyalleri ile izlenebilmektedir. EEG, kafa derisinden elektrotlar yardımıyla kaydedilen beyne ait elektriksel bir aktivitedir. Olaya İlişkin Potansiyeller (OİP) bir uyarana karşı EEG sinyalleri içerisinde oluşan tepkilerdir. Yüz tanıma esnasında beyinde OİP'ler oluşur. Bu çalışmada tanıdık ve tanımadık yüz uyaranlarına karşı oluşan EEG sinyallerindeki potansiyelleri yüksek doğruluk ile sınıflandırmak amaçlanmıştır. Çalışmada 35 sağlıklı katılımcıya gösterilmek üzere iki paradigma önerilmiştir. Tanıdık ve tanımadık yüz uyaran görüntüleri paradigma-1'de 1000 ms, paradigma-2'de 500 ms gösterilmiştir. Kaydedilen EEG sinyallerine sırasıyla ortalama referans yöntemi ile yeniden referans alma, EEG sinyallerinin filtrelenmesi, verilerin dönem aralıklarına bölünmesi işlemleri uygulanmıştır. Elde edilen tanıdık ve tanımadık yüz uyaran veri parçalarının grafikleri çizdirilip OİP'ler incelenmiş, O1 ve O2 kanallarında N250 potansiyelleri görülmüştür. Elde edilen N250 potansiyellerinin sınıflandırılması için derin öğrenme algoritmalarından olan Çift Yönlü Uzun Kısa Süreli Bellek Ağı (ÇYUKSBA) kullanılmıştır. Sınıflandırma adımında veri seti %80 oranında eğitim ve %20 oranında test verisi olarak ayrılmıştır. Sonuçlar analiz edildiğinde O2 kanalı, paradigma-1'de %95,6 ve paradigma-2'de %96,7 sınıflandırma başarım oranı ile en yüksek doğruluk oranına ulaşmıştır.
Özet (Çeviri)
People are skilled at facial recognition and can easily recognize a face in their brain. Distinguishing familiar and unfamiliar faces can be used as a research subject in some mental illnesses, security operations and criminal investigations. The neural changes underlying recognizing a familiar face have been the focus of scientists. These neural changes can be monitored with Electroencephalography (EEG) signals. EEG is an electrical activity of the brain recorded with the help of electrodes from the scalp. Event Related Potentials (ERP) are responses occurring within EEG signals to a stimulus. ERPs occur in the brain during face recognition. In this study, it was aimed to classify the potentials in EEG signals against familiar and unfamiliar face stimuli with high accuracy. Two paradigms were proposed to be demonstrated to 35 healthy participants. Familiar and unfamiliar face stimulus images were shown for 1000 ms in paradigm-1 and 500 ms in paradigm-2. Re-referencing the recorded EEG signals with the average reference method, filtering the EEG signals, and dividing the data into period intervals were applied respectively. Graphs of the obtained familiar and unfamiliar face stimulus data were drawn and ERPs were examined, and N250 potentials were observed in O1 and O2 channels. Bidirectional Long Short Term Memory Network (Bi-LSTM) which is one of the deep learning algorithms, was used to classify the obtained N250 potentials. In the classification step, the data set is divided into 80% training data and 20% test data. When the results were analyzed, the O2 channel achieved the highest accuracy rate with a classification performance rate of 95.6% in paradigm-1 and 96.7% in paradigm-2.
Benzer Tezler
- Analysis and classification of evoked potentials of familiar and unfamiliar face stimuli
Tanıdık ve tanımadık yüz uyaranlarına karşı elde edilen uyarılmış potansiyellerin analizi ve sınıflandırılması
ABDURRAHMAN ÖZBEYAZ
Doktora
İngilizce
2015
Elektrik ve Elektronik MühendisliğiÇukurova ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. SAMİ ARICA
- Yüze özgü algısal ve kavramsal değerlendirmelerin yüz tanıma açısından incelenmesi
Investigation of face-specific perceptual and conceptual evaluations in face recognition
BÜŞRA BATIR
- Capgras sendormunun fizyopatolojisini modellemek: Bir sanal lezyon çalışması
Modeling the physiopathology of capgras syndrome: A virtual lesion study
ESRA ZEYNEP DÜDÜKCÜ
Yüksek Lisans
Türkçe
2023
Nörolojiİstanbul Medipol ÜniversitesiSinir Bilim Ana Bilim Dalı (disiplinlerarası)
PROF. DR. LÜTFÜ HANOĞLU
- Face recognition and metamemory: Feeling of knowing and tip-of-the-tongue judgments in response to familiar faces
Yüz tanıma ve üstbellek: Bireylerin tanıdık yüzlere dair bilme hissi yargıları ve dilinin ucunda deneyimlerinin incelenmesi
ÖZLEM MERVE CANSEVER
Yüksek Lisans
İngilizce
2020
PsikolojiBahçeşehir ÜniversitesiBilişsel Nöropsikoloji Bilim Dalı
PROF. DR. METEHAN İRAK
- Sosyal işbirliği oyunu: İşbirlikçi ve hilekarlarla ilişkili yüzler için kaynak belleği
Social cooperation game: Source memory for faces associated with cooperators and cheaters
PINAR BÜRHAN ÇAVUŞOĞLU