Geri Dön

Deep learning classification of cognitive workload levels from EEG wavelet transform images

EEG dalgacık dönüşüm görüntülerinden bilişsel yük seviyelerinin derin öğrenme ile sınıflandırılması

  1. Tez No: 829676
  2. Yazar: VOLKAN DOĞAN
  3. Danışmanlar: DOÇ. DR. MURAT PERİT ÇAKIR
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2023
  8. Dil: İngilizce
  9. Üniversite: Orta Doğu Teknik Üniversitesi
  10. Enstitü: Enformatik Enstitüsü
  11. Ana Bilim Dalı: Bilişsel Bilim Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 79

Özet

Electroencephalogram (EEG) signals provide a non-invasive method to study cognitive processes. This study aimed to classify Multi-Attribute Task Battery (MATB) task difficulties based on wavelet transform images of EEG signals using deep learning models. An EEG dataset collected from 29 subjects while performing the MATB tasks of varying difficulties by Hinss et al. (2023) were transformed into wavelet images that can accommodate time-frequency information at the same time for further analysis. Three deep learning models, EfficientNet-B0, ResNet18, and ResNet50, were trained and tested on these images under different conditions, including pretrained and non-pretrained models, and using different optimizers. The models' performance was evaluated based on overall accuracy and accuracy by subject, session, and task difficulty. The pretrained EfficientNet-B0 model achieved the highest overall accuracy (67.52%). However, the performance varied significantly across subjects and task difficulties, indicating limited generalizability. The model's accuracy was lower for medium tasks, suggesting difficulty in distinguishing between medium and other levels of difficulty. While deep learning models can achieve high accuracy in classifying MATB task difficulty based on EEG signals, their performance varies across individuals and task difficulties. Further research is needed to improve model generalizability, optimize performance across all task difficulties, and validate the models on larger and more diverse datasets.

Özet (Çeviri)

Electroensefalografi (EEG) sinyalleri, bilişsel süreçleri incelemek için invaziv olmayan bir yöntem sunmaktadır. Bu çalışma, derin öğrenme modellerini kullanarak EEG sinyallerinin dalgacık (wavelet) dönüşüm görüntülerine dayalı olarak Çoklu Özellik Görev Bataryası (MATB) görev zorluklarını sınıflandırmayı amaçlamıştır. Tez çalışması kapsamında MATB görevlerini değişen zorluk seviyelerinde gerçekleştiren 29 denekten toplanan EEG verilerini içeren ve Hinss ve ark. (2023) tarafından toplanmış olan veri seti ilk aşamada zaman-frekans bilgilerini bir arada temsil edebilen dalgacık görüntülerine dönüştürülmüştür. EfficientNet-B0, ResNet18 ve ResNet50 olmak üzere üç derin öğrenme modeli, bu görüntüler üzerinde, önceden eğitilmiş ve eğitilmemiş modeller ile farklı optimizasyon algoritmaları kullanılarak eğitilmiş ve test edilmiştir. Modellerin performansı, genel doğruluk skoru, denek başına doğruluk, seansa göre doğruluk ve görev zorluğuna göre doğruluk temel alınarak değerlendirilmiştir. Önceden eğitilmiş EfficientNet-B0 modelinin en yüksek genel doğruluk skorunu (%67.52) sağladığı gözlenmiştir. Ancak performansın denekler ve görev zorlukları arasında önemli ölçüde değişkenlik göstermesi genellenebilirlik bakımından bazı sınırlılıkların olduğuna işaret etmektedir. Modelin doğruluk skorunun orta seviye görevler için daha düşük olması, orta seviye ve diğer zorluk seviyeleri arasında ayrım yapmada zorluk yaşandığını göstermiştir. Model genellenebilirliğini iyileştirmek, tüm görev zorluklarına göre performansı optimize etmek ve modelleri daha büyük ve daha çeşitli veri setlerinde doğrulamak için daha fazla araştırma yapılması gerekmektedir.

Benzer Tezler

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

    Investigation of the effect of rosemary essential odor on learning with artificial intelligence algorithms using EEG signals

    EVİN ŞAHİN SADIK

    Doktora

    Türkçe

    Türkçe

    2022

    Elektrik ve Elektronik MühendisliğiKütahya Dumlupınar Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. HAMDİ MELİH SARAOĞLU

  2. Konteyner liman operasyonlarının makine öğrenmesi yöntemleri ile analizi

    Analysis of container port operations using machine learning methods

    ÜSTÜN ATAK

    Doktora

    Türkçe

    Türkçe

    2022

    Deniz Bilimleriİstanbul Teknik Üniversitesi

    Deniz Ulaştırma Mühendisliği Ana Bilim Dalı

    PROF. DR. YASİN ARSLANOĞLU

    PROF. DR. TOLGA KAYA

  3. 3b MRI ve hasta bilgileri kullanarak derin öğrenme ile alzheimer hastalığının erken teşhisi

    Early detection of alzheimer's disease with deep learning using 3d MRI and patient informations

    ARMAN ATALAR

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolEskişehir Osmangazi Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. NİHAT ADAR

  4. EEG sinyallerinin zaman-frekans gösterimlerinin derin öğrenme ile analizi sonucu alzheimer hastalığının tespiti

    Detection of alzheimer disease through deep learning analysis of EEG signals' time-frequency representations

    MERAL ASLAN DİL

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Biyomühendislikİstanbul Üniversitesi-Cerrahpaşa

    Biyomedikal Mühendisliği Ana Bilim Dalı

    PROF. DR. FIRAT KAÇAR

    PROF. DR. AYDIN AKAN

  5. Multipl skleroz hastalarında telerehabilitasyonun nöroplastisite üzerindeki etkisinin nöropsikometrik testlerle ve EEG spektral analizi ile değerlendirilmesi

    Evaluation of the effect of telerehabilitation on neuroplasticity in multiple sclerosis patients by neuropsychometric tests and EEG spectral analysis

    MERVE GÜLER

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2022

    NörolojiKütahya Sağlık Bilimleri Üniversitesi

    Nöroloji Ana Bilim Dalı

    PROF. DR. SİBEL CANBAZ KABAY