Doğrusal olmayan EEG dinamikleri ile anksiyete tespiti

Anksiyete, toplum içerisinde sıklıkla rastlanılan ve aşırı kaygı ile karakterize edilen psikiyatrik bir bozukluktur. Mevcut subjektif yöntemler düşünüldüğünde bu bozukluğun kantitatif yöntemlerle tespiti önem kazanmaktadır. Bu amaçla yapılan çalışmada 4’lü likert tipli Beck Anksiyete Ölçeği kullanılıp gerekli klinik değerlendirmeler yapılmıştır. Değerlendirme sonucunda anksiyete bozukluğu bulunan grup ve kontrol grubu şeklinde iki katılımcı grubu belirlenmiştir. Katılımcılardan dinlenim durumunda Elektroensefalografi (EEG) kayıtları alınmış daha sonra EEG sinyallerinden entropi ve Hjorth (karmaşıklık, hareketlilik) parametreleri hesaplanmıştır. Hesaplanan öznitelikler makine öğrenmesinde K -En Yakın Komşu (K-Nearest Neighbor, kNN), Çok Katmanlı Algılayıcı (Multi-Layer Perceptron, MLP) ve Rastgele Orman (Random Forest, RF) sınıflandırma algoritmalarıyla sınıflandırılmışlardır. Bu sınıflandırıcılardan en başarılı sonuç veren model olan kNN %88.4 değerine kadar ulaşabilmiştir. Ayrıca farklı parametrelerin bir arada kullanımının başarı oranında 3 algoritma için yükselişe sebep olduğu gözlenmiştir. Bu sonuçlar makineli öğrenme tekniklerinin anksiyetenin tanı süreçlerinde kullanımına uygun olduğunu gösteren çalışmaları desteklemektedir.