Geri Dön

Automatic pattern recognition in EEG by using artificial neural networks

Yapay sinir ağları ile EEG'de otomatik örüntü tanıma

  1. Tez No: 150843
  2. Yazar: NURETTİN ACIR
  3. Danışmanlar: PROF. DR. CÜNEYT GÜZELİŞ
  4. Tez Türü: Doktora
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: EEG, Uyartımlı potansiyel, Otomatik örüntü tanıma, Yapay sinir ağlan, EEG, Evoked potential, Automatic pattern recognition, Artificial neural networks
  7. Yıl: 2004
  8. Dil: İngilizce
  9. Üniversite: Dokuz Eylül Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 123

Özet

ÖZET Bu tez çalışmasında EEG örüntülerinin otomatik olarak tanınması için dört yeni sistem önerilmektedir. Ayrıca, örüntü tanıma teknikleri, EEG işareti, uyartımlı potansiyel işareti, başarım ölçütleri ve kullanılan sinir ağı modelleri tanıtılmaktadır. Bu çalışmada ilk olarak; klinik uygulamaları destekleyen, üç aşamalı yeni bir otomatik epileptik örüntü tanıma sistemi önerilmektedir. Aynı amaca yönelik, bozucu örüntüler taşımayan düzgün EEG kayıtlan için; doğrusal olmayan sayısal süzgeç kullanılarak iki aşamalı ayrı bir tanıma sistemi de sunulmaktadır. Bu iki sistemden başka, destek vektör makinalarına dayalı yeni bir uyku iğcik tanıma sistemi önerilmektedir. Bu sistemde, bulandırma metodu kullanılarak giriş vektör boyutunun küçültülmesi için yeni bir yaklaşım sunulmaktadır. Bu yaklaşımdaki amaç, destek vektör makinasının başarımını düşüren, giriş vektörlerinde bilgi içermeyen artık bileşenleri yok etmektir. Önerilen yaklaşım işitsel beyin sapı cevabını tanıma sisteminde de basan ile kullanılmaktadır. Son olarak, özellikle yeni doğanlarda ve davranış bozukluğu olan canlılarda işitme eşiğini belirlemek amacıyla, yeni bir işitsel beyin sapı cevabı tanıma sistemi önerilmektedir, önerilen her bir sistem, literatürde önerilen benzerleri ile başarım ölçütleri açısından karşılaştırılmıştır. Sunulan sistemlerin başarımları gerçek EEG verileri kullanılarak belirlenmiş ve sonuçlan tartışılmıştır.

Özet (Çeviri)

ABSTRACT Four novel automatic recognition systems for EEG patterns are proposed in this thesis. Pattern recognition techniques, EEG signal, evoked potential signal, performance measures and four artificial neural network models are introduced for pattern classification. A novel three-stage recognition system is proposed for automatic recognition of epileptiform patterns in EEG which contributes to the clinical applications. In addition, a two-stage system is also separately proposed for ET recognition in smooth EEG records by using a nonlinear digital filter. Apart from these two systems, a new sleep spindle recognition system is proposed by using Support Vector Machine (SVM). In this system, a new approach is presented for input dimension reduction for SVM classifier using perturbation method. The aim in this approach was to overcome the effect of the redundancy in input data vector in the performance of SVM classifier. The proposed approach has also been successfully used in Auditory Brainstem Response (ABR) pattern recognition. Lastly, a system based on SVM is proposed for recognition of ABRs which mainly supports to determine hearing thresholds in infants and behaviorally disordered subjects. A comparison of each proposed system with the similar systems reported in the literature is presented in terms of performance measures. The performances of the proposed systems are finally demonstrated on real EEG data and results are discussed.

Benzer Tezler

  1. EEG ve EKG işaretlerinden örüntü tanıma uygulamaları ve karşılaştırılması

    Applications and comparison of pattern recognition from EEG and ECG signals

    ABDULNASIR YILDIZ

    Doktora

    Türkçe

    Türkçe

    2011

    Elektrik ve Elektronik MühendisliğiFırat Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. MUSTAFA POYRAZ

  2. Farklı zaman ölçekli EEG işaretlerinden epilepsinin tespiti

    Determination of epilepsy from different time scale EEG signs

    MEHMET YILDIRIM

    Yüksek Lisans

    Türkçe

    Türkçe

    2018

    Elektrik ve Elektronik MühendisliğiDicle Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ABDULNASIR YILDIZ

  3. EEG sinyallerini kullanan makine öğrenmesi tabanlı kategorik duygu sınıflandırma modeli

    Machine learning-based categorical emotion classification model using EEG signals

    HAKAN KÖKSAL

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolArdahan Üniversitesi

    İleri Teknolojiler Ana Bilim Dalı

    DOÇ. DR. MEHMET BAYĞIN

  4. EEG sinyalleri kullanılarak yeni nesil cümle sınıflandırma modellerinin geliştirilmesi

    Development of next generation sentence classification models using EEG signals

    TUĞÇE KELEŞ

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat Üniversitesi

    Adli Bilişim Mühendisliği Ana Bilim Dalı

    DOÇ. DR. ŞENGÜL DOĞAN

  5. New generation feature engineering models based emotion classification using EEG signals

    EEG sinyallerini kullanan yeni nesil özellik mühendisliği modellerine dayalı duygu sınıflandırması

    ABDULLAH DOĞAN

    Doktora

    İngilizce

    İngilizce

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. ALİ HİKMET DOĞRU

    DOÇ. DR. TÜRKER TUNCER