Geri Dön

Automated detection of sleep spindles

Uyku iğciklerinin yerinin otomatik saptanması

  1. Tez No: 143193
  2. Yazar: DİLAN GÖRÜR
  3. Danışmanlar: DOÇ. DR. NEVZAT GENÇER, PROF. DR. UĞUR HALICI
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Uyku iğcikleri, Çok Katmanlı Perseptron, Destek Vektör Makinesi, Kısa Zamanlı Fourier Dönüşümü, Özyinelemeli Modelleme, Sleep Spindles, Multilayer Perceptron, Support Vector Machines, Short Time Fourier Transform, Autoregressive Modeling
  7. Yıl: 2003
  8. Dil: İngilizce
  9. Üniversite: Orta Doğu Teknik Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 86

Özet

Uyku iğcikleri, uyku sırasında kaydedilen elektroensefelografi (EEG)'de gözlemlenen ritmik aktivitelerdendir. İyi tanımlanmış ve fonksiyonel oldukları için uyku iğciklerinin analizi beyin araştırmaları açısından önemlidir. Uyku iğciklerinin özelliklerini tanımlamak uykunun işlevi ile ilgili aydınlatıcı bilgiler verecektir. Bütün gece uyku EEG' sindeki uyku iğciklerinin bir uzman tarafından tek tek yerlerinin belirlenmesi çok zaman alıcı olmasının yanı sıra nesnel de olmayacaktır. Bu yüzden, otomatik yer belirleme sistemi uzmana yardımcı olacaktır. Bu çalışmada EEG' deki uyku iğciklerinin yerlerinin otomatik olarak saptanabilmesi için sağlıklı denekler ve uykusuzluk sorunu olan deneklerin EEG kayıtlan kullanılarak bir sistem geliştirilmiştir. Bu amaç için farklı metotlar incelenmiştir. Öznitelik bulmak için iki ayrı yöntem, kısa zamanlı Fourier dönüşümü (KZFD) ve özyinelemeli (ÖY) modelleme yöntemleri kullanılmıştır. Karşılaştırma amacıyla sınıflandırmada çok katmanlı perseptron (ÇKP) ve destek vektör makinesi (DVM) kullanılmıştır. ÇKP'nin en iyi performansı KZFD ve ÖY modellemeden elde edilen öznitelikler için sırasıyla %97,5 ve %93,6 olarak bulunmuştur. DVM ile elde edilen en iyi basan oranlan ise KZFD için %97,5 ve ÖY modelleme için %94,4 olarak bulunmuştur. Sağlıklı bir denek EEG'si ile eğitilen smıflandıncıların başka bir sağlıklı denek EEG'si üzerinde yüksek, uykusuzluk sorunu olan bir denek EEG'si üzerinde ise düşük basan sağladığı gösterilmiştir.

Özet (Çeviri)

Sleep spindles are one of the rhythmic activities observed in sleep electroencephalogram (EEG). As they are well defined and functional, sleep spindle analysis is significant for brain research. Identifying the characteristics of sleep spindles may lead to an understanding of the functions of sleep. Furthermore, understanding the sleep spindle generation mechanisms can explain the other rhythmical activity occurring in other brain regions. The detection process of the sleep spindle data of a whole night sleep EEG prepared by an expert would be too time consuming and it may be not objective for some spindle regions. Therefore, an automated detection system would assist the expert. In this thesis, a system for automated detection of sleep spindles in the EEG has been developed and tested on the recorded data of normal and insomniac subjects. Different methods for the automated detection of sleep spindles in EEG recordings are investigated. Features from the data are extracted by using two different approaches, short time Fourier transform (STFT) and autoregressive (AR) modeling. Multilayer perceptron (MLP) and also support vector machines (SVM) are utilized as classifiers for comparison. The best classification performances of MLP are found to be 97.5% and 93.6% for STFT and AR model features respectively. The best performances of SVM are found to be 97.5% for STFT and 94.4% for AR model. It is demonstrated that the classifiers trained by a healthy subject's EEG could perform well on another healthy subject's EEG but poorly on an insomniac subject's EEG.

Benzer Tezler

  1. Tez No

    467366

    Online uyku izleme ve evreleme sistemi için sinyal bileşenlerinin çıkarımı

    Extraction of signal components for online sleep tracing and staging system

    CÜNEYT YÜCELBAŞ

    Doktora

    Türkçe

    Türkçe

    2017

    Elektrik ve Elektronik MühendisliğiSelçuk Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. SERAL ÖZŞEN

  2. Tez No

    237511

    EEG sinyallerinde uyku iğciklerinin zaman ve frekans domeni özellikleri kullanılarak analizi

    Analysis of sleep spindles on EEG signals by using time and frequency domain features

    MEHMET DURSUN

    Yüksek Lisans

    Türkçe

    Türkçe

    2009

    Elektrik ve Elektronik MühendisliğiSelçuk Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. SALİH GÜNEŞ

  3. Tez No

    411659

    Endüstriyel çalışma ortamlarında otomatik aydınlık kontrolü

    Automatic lighting control on industry

    METİN ORTATAŞ

    Yüksek Lisans

    Türkçe

    Türkçe

    2015

    Mühendislik BilimleriBozok Üniversitesi

    Mekatronik Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. ORHAN ER

  4. Tez No

    412045

    İnvaziv meme karsinom olgularında her2 ekpresyonunun sısh (gümüş insitu hibridizasyon)yöntemiyle tespit edilerek sonuçların immünohistokimyasal ve fısh (floresan insitu hibridizasyon) yöntemleriyle karşılaştırılması

    Determination of her2 status in invasive ductal breast carcinoma using sish and correlation between fish and ihc

    BETÜL ÜNAL

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2011

    PatolojiAkdeniz Üniversitesi

    Tıbbi Patoloji Ana Bilim Dalı

    PROF. DR. FATMA ŞEYDA KARAVELİ

  5. Tez No

    412287

    Savunma sanayii için problem temelli kavramsal teknoloji veritabanı model önerisi

    Problem based technology database for defense industry – conceptual model proposal

    UMUT YILMAZ

    Yüksek Lisans

    Türkçe

    Türkçe

    2015

    Savunma ve Savunma TeknolojileriKara Harp Okulu Komutanlığı

    Teknoloji Yönetimi Ana Bilim Dalı

    YRD. DOÇ. DR. CELAL EVCİ

Geri Dön