การเข้ารหัสด้วยคลื่นสมองโดยใช้โครงข่ายประสาทเทียมและทฤษฎีกราฟในการวิเคราะห์ผล
- ชื่อนักเรียนผู้จัดทำโครงงานวิทยาศาสตร์
ราธา โรจน์รุจิพงศ์, กรณ์ สุรพัฒน์
- อาจารย์ที่ปรึกษาโครงงานวิทยาศาสตร์
ธนวรรณ ลี้บุญงาม, ธีรวิทย์ วิไลประสิทธิ์พร
- โรงเรียนที่กำกับดูแลโครงงานวิทยาศาสตร์
- ปีที่จัดทำโครงงานวิทยาศาสตร์
บทคัดย่อโครงงานวิทยาศาสตร์
โครงงานนี้จัดทำขึ้นเพื่อสร้างโปรแกรมคอมพิวเตอร์ที่สามารถระบุตัวตนจากการเปรียบเทียบคลื่นสมองหรือสัญญาณ Electroencephalography (EEG) ของแต่ละบุคคล โดยการประยุกต์ใช้ทฤษฎีกราฟ (Graph Theory) ซึ่งคณะผู้จัดทำได้ทดลองกำหนดให้พิกัดของตำแหน่งขั้วไฟฟ้า (Electrode) ที่ใช้วัดคลื่นสมองของมนุษย์อยู่ในรูปแบบของกราฟ กำหนดให้จุดยอด (node) คือ ขั้วไฟฟ้าที่ใช้บันทึกคลื่นสมอง และ เส้นเชื่อม (edge) คือ ความสัมพันธ์ต่าง ๆ ระหว่างขั้วไฟฟ้า ได้แก่ ลักษณะของคลื่นสมอง ระยะทางระหว่างขั้วไฟฟ้า และตำแหน่งของสมองที่ขั้วไฟฟ้านั้น ๆ ตั้งอยู่ แล้วนำคลื่นสมองที่เกิดขึ้นในแต่ละขั้วไฟฟ้าไปวิเคราะห์ด้วยระบบปัญญาประดิษฐ์ (Machine Learning) เพื่อแสดงให้ผู้ใช้โปรแกรมเห็นถึงความแตกต่างของคลื่นสมองในแต่ละบุคคล โดยข้อมูลคลื่นสมองที่นำมาใช้ในการระบุตัวตนนี้นำมาจาก GigaDB Datasets ซึ่งได้จากการทดลองวัดคลื่นสมองกลุ่มตัวอย่างวันละ 1 ครั้งในเวลา 2 วัน จากการทดลองพบว่าชุดการทดลองที่มีการดึงคุณลักษณะของข้อมูล (Feature extraction) โดยการเปลี่ยนคลื่นสมองจาก Time-Amplitude เป็น Time-Frequency และ การสร้างกราฟแบบแบ่งส่วนของสมอง ซึ่งสร้างเส้นเชื่อมตามระยะทางระหว่างขั้วไฟฟ้า เป็นชุดการทดลองที่มีความแม่นยำในการระบุตัวตนสูงที่สุด เมื่อใช้ข้อมูลของวันที่ 1 เป็น Training Set และ Validation Set และใช้ข้อมูลของวันที่ 2 ในการเป็น Testing Set ให้ผลความแม่นยำเป็น 75.47% เมื่อเทียบกับชุดควบคุม ซึ่งให้ผล 54.73% และพบว่าในชุดการทดลองเดียวกัน เมื่อใช้ข้อมูลวันเดียวในการเป็น Training Set, Validation Set, และ Testing Set ให้ความแม่นยำในการระบุตัวตนของชุดการทดลองที่ความแม่นยำสูงที่สุด เป็น 99.79% เมื่อเทียบกับชุดควบคุม ซึ่งเป็น 96.16% ดังนั้นการแปลงข้อมูลด้วยวิธีการดังกล่าวจึงมีความสามารถที่จะนำไปประยุกต์ใช้เพื่อระบุตัวตนได้ แต่อย่างไรก็ตามโปรแกรมที่ได้จากการทำโครงงานในครั้งนี้ ยังจำเป็นที่จะต้องนำไปพัฒนาต่อ โดยการสร้างกราฟแบบใหม่ ๆ เพื่อที่จะนำไปใช้เพื่อระบุตัวตนในสถานการณ์จริงได้และให้ความแม่นยำที่สูงมากขึ้น