İnsan-Makine Sistemleri, IEEE, 2015

Özet

Fizyolojik ölçümler, özellikle de EEG (elektroensefalografi) sinyalleri kullanılarak zihinsel iş yükünün değerlendirilmesi aktif bir alandır. Son zamanlarda, EEG ve diğer fizyolojik sinyalleri ölçmek için bir dizi kablosuz veri toplama sistemi kullanıma sunulmuştur. Bu tür kablosuz sistemleri bilişsel iş yükünü değerlendirmek ve performanslarını ölçmek için uygulayan az sayıda çalışma mevcuttur. Bu makale, iyi bilinen bir n-geri (n-back) görevindeki bellek iş yükü seviyelerini değerlendirmek için popüler bir kablosuz sistemin (Emotiv EPOC başlığı) fizibilitesini araştırmaya yönelik ilk adımı sunmaktadır. Otomatik bir yapay olgu temizleme algoritması, geniş bir özellik çıkarma teknikleri yelpazesi, kişiselleştirilmiş bir özellik ölçeklendirme yöntemi, bilgi teorisine dayalı bir özellik seçimi yaklaşımı ve yakınsal destek vektör makinesi tabanlı bir sınıflandırma modelini entegre eden bir sinyal işleme ve sınıflandırma çerçevesi geliştirdik. Deneysel sonuçlar, kablosuz olarak toplanan EEG sinyallerinin dokuz katılımcı için farklı bellek iş yükü seviyelerini sınıflandırmak amacıyla kullanılabileceğini göstermektedir. En düşük iş yükü seviyesi (0-geri) ile aktif iş yükü seviyeleri (1-, 2-, 3-geri) arasındaki sınıflandırma doğrulukları %100'e yakındı. 1-geri ile 2-geri karşılaştırmasında en iyi sınıflandırma doğruluğu %80, 1-geri ile 3-geri karşılaştırmasında ise %84 olmuştur. Bu çalışma, kablosuz veri toplama sisteminin ve gelişmiş veri analitiği ile örüntü tanıma tekniklerinin, modern toplumda çok çeşitli bilişsel faaliyetlerde bulunan insanlar için zihinsel iş yükü seviyelerinin gerçek zamanlı izlenmesini ve tanımlanmasını sağlamada gelecek vaat ettiğini göstermektedir.Raporun tamamını okumak için buraya tıklayın