Derin öğrenme algoritmaları kullanılarak EEG sinyallerinden yalan tespiti

Tez Türü: Yüksek Lisans

Tezin Yürütüldüğü Kurum: Fırat Üniversitesi, Fen Bilimleri Enstitüsü, Yazılım Mühendisliği, Türkiye

Tez Danışmanı: Muhammet Baykara

Tezin Onay Tarihi: 2023

Tezin Dili: Türkçe

Desteklendiği Program: Diğer

Özet:

Elektroensefalografi (EEG) sinyallerinin derin öğrenme algoritmalarıyla sınıflandırılması sonucunda insanlarla ilgili çeşitli bilgiler edinilmekte ve insan hayatını kolaylaştıracak geliştirmeler yapılmaktadır. EEG, beyin dalgalarını izleyerek beynin fizyolojik ve fonksiyonel detaylarını ve aktivitelerini anlamaya yardımcı olması için beyinde meydana gelen nöral aktiviteleri kapsayan bir yöntemdir. Bu çalışma, EEG sinyallerinin toplanmasını, sinyal işleme teknikleriyle işlenmesini ve derin öğrenme algoritmaları kullanılarak sınıflandırılmasını içerir ve insanların söylediklerinin yalan mı yoksa doğru mu olduğunu tespit etmeyi amaçlar. Bu çalışmanın geliştirilmesiyle, yalan tespiti için kullanılan birçok yönteme göre daha sağlıklı sonuçlar elde edilmesi planlanmaktadır. Derin öğrenme algoritmalarıyla EEG sinyalleri sınıflandırılarak insanların söylediklerinin doğru mu yoksa yalan mı olduğu tespit edilebilir. Sorgulamalar sırasında veya adli bir olayda suçlu veya suçsuz kişilere yöneltilen sorulara yanıt verirken, bu kişilerin EEG sinyalleri kaydedilebilir. Bir kişinin yalan veya doğru söylediğinin tespiti, kişiden alınan EEG sinyallerinin derin öğrenme algoritmalarıyla eğitilmiş bir modelle test edilmesi yoluyla gerçekleştirilebilir. Bu tez kapsamında EEG verileri toplanmış ve LieWaves adında bir EEG yalan veri seti oluşturulmuştur. EEG sinyallerinden artefaktları çıkarmak için ön işleme aşamasında filtreleme, Bağımsız Bileşen Analizi (BBA), Artefakt Altuzay Yeniden İnşası (AAYİ) ve Otomatik ve Ayarlanabilir Artefaktları Kaldırma (OAAK) algoritmaları uygulanmıştır. EEG sinyallerinden özellik çıkarımı için Ayrık Dalgacık Dönüşümü (ADD) ve Hızlı Fourier Dönüşümü (HFD) yöntemleri İstatistiksel Yöntemler (İY) ile birlikte kullanılmıştır. Elde edilen her özellik vektörü Evrişimli Sinir Ağı (ESA), Uzun Kısa Süreli Bellek (UKSB) ve ESAUKSB derin öğrenme algoritmalarıyla sınıflandırılmıştır. OAAK + ADD + UKSB yöntemleri kullanılarak yapılan analizlerde %99,88 doğruluk oranı en iyi performansı göstermiştir. Bu çalışmada kullanılan yöntemler, LieWaves veri seti üzerinde ilk kez uygulanmıştır. Bilindiği kadarıyla, benzer çalışmalarda ön işleme aşamasında AAYİ ve OAAK yöntemleri, sınıflandırma aşamasında ise ESAUKSB modeli ilk defa bu çalışmada kullanılmıştır. Elde edilen sonuçlar, bu yöntemlerin ne kadar başarılı olduğunu göstermektedir.