Epilepsi teşhisi için EEG sinyal analizi
EEG signal analysis for epilepsy diagnosis
- Tez No: 178802
- Danışmanlar: DOÇ. DR. HAKAN IŞIK
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Nöroloji, Computer Engineering and Computer Science and Control, Neurology
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2008
- Dil: Türkçe
- Üniversite: Selçuk Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektronik ve Bilgisayar Sistemleri Eğitimi Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 145
Özet
Bu çalışmada, epilepsi teşhisi için elektroensefalogram (EEG) işaretlerin dalgacık analizi ile incelenip, çeşitli yapay sinir ağları (YSA) ile otomatik sınıflandırılması amaçlanmıştır. İlk olarak insan beyninin yapısı ve sinir hücreleri incelenmiş, biyolojik işaretlerin nasıl oluştuğu ve epilepsinin ne olduğu anlatılmıştır. Sağlıklı kişilerden ve epilepsi hastalarından alınan EEG işaretler dalgacık dönüşümü ile frekans alt-bantlarına ayrılmış ve bu alt-bantlardan öznitelik vektörleri elde edilmiştir. Çıkarılan öznitelik vektörlerinin boyutlarının azaltılabilmesi için PCA yöntemi uygulanmış ve bu öznitelik vektörleri LVQ, RBF, GRNN, MLP, PNN ve ELMAN sinir ağlarına girişi olarak kullanılmıştır. Sınıflandırma sonucunda EEG sinyallerinin sağlıklı veya epileptik olduğu hakkında bilgi sağlanmıştır. Kullanılan YSA modelleri için ROC analizleri yapılarak performans değerlendirmesi yapılmıştır.
Özet (Çeviri)
In this study, it has been aimed to perform automatic classification for diagnosis of epilepsy sendrom via various Artificial Neural Networks (ANN) by investigaing electroencephalography (EEG) signals using wavelet analysis (WT). First of all, structre of human brain and nevre cells are examined and that is explained what was epilepsy and how biological signals were formed. EEG signals recorded from different healthy volunteers and epilepsy patients and this signals were decomposed into the frequency sub-bands using wavelet transform and a set of statistical features was extracted from the sub-bands. This features vectors?s dimensions were reduced with PCA method and then these features were used as inputs to LVQ, RBF, GRNN, MLP, PNN and ELMAN ANNs. After all, EEG signals were classified as epileptic or healthy. The performans evaluation of the used networks has been carried out by performing ROC analysis.
Benzer Tezler
- Epileptic activity detection using linear and non-linear methods
Doğrusal ve doğrusal olmayan yöntemler ile epileptik aktivite tespiti
CEREN CANYURT
Yüksek Lisans
İngilizce
2022
Nörolojiİnönü ÜniversitesiBiyomedikal Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ REYHAN ZENGİN
- Eeg sinyallerinin analizinde performansı yüksek olan dalgacık tipinin belirlenmesi
Determination of high performance wavelet type in eeg signals analysis
MERVE YASEMEN TÜRKOĞLU
Yüksek Lisans
Türkçe
2011
Mühendislik BilimleriTOBB Ekonomi ve Teknoloji ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
YRD. DOÇ. ALİ CAFER GÜRBÜZ
- EEG sinyallerinin epileptik rahatsızlıkların teşhisi için konvolüsyonel sinir ağları ve destek vektör makineleri ile tasnif edilmesi
Classification of EEG signals with convolutional neural networks and support vector machines for diagnosis of epileptic disorders
BÜŞRA MUTLU İPEK
Yüksek Lisans
Türkçe
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKTO Karatay ÜniversitesiElektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ KASIM ÖZTOPRAK
DR. ÖĞR. ÜYESİ HÜSEYİN OKTAY ALTUN
- Electroencephalography (EEG) sinyal sınıflandırılmasında sinir-evrimi yaklaşımı
NeuroEvolutionary approach to electroencephalography (EEG) signal classification
ERDEM AYBEK
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolPamukkale ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. MERİÇ ÇETİN
- EEG verileri ile derin öğrenme tabanlı epilepsi nöbeti teşhisi
Emotion analysis with EEG based deep learning
ABDULKADİR BULDU
Yüksek Lisans
Türkçe
2023
Elektrik ve Elektronik MühendisliğiSiirt ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. MELİH KUNCAN
DR. ÖĞR. ÜYESİ KAPLAN KAPLAN