Geri Dön

Epilepsi teşhisi için EEG sinyal analizi

EEG signal analysis for epilepsy diagnosis

  1. Tez No: 178802
  2. Yazar: ESMA SEZER
  3. Danışmanlar: DOÇ. DR. HAKAN IŞIK
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Nöroloji, Computer Engineering and Computer Science and Control, Neurology
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2008
  8. Dil: Türkçe
  9. Üniversite: Selçuk Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektronik ve Bilgisayar Sistemleri Eğitimi Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. 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

  1. Epileptic activity detection using linear and non-linear methods

    Doğrusal ve doğrusal olmayan yöntemler ile epileptik aktivite tespiti

    CEREN CANYURT

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Nörolojiİnönü Üniversitesi

    Biyomedikal Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ REYHAN ZENGİN

  2. 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

    Türkçe

    2011

    Mühendislik BilimleriTOBB Ekonomi ve Teknoloji Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. ALİ CAFER GÜRBÜZ

  3. 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

    Türkçe

    2018

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKTO Karatay Üniversitesi

    Elektrik ve Bilgisayar Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ KASIM ÖZTOPRAK

    DR. ÖĞR. ÜYESİ HÜSEYİN OKTAY ALTUN

  4. Electroencephalography (EEG) sinyal sınıflandırılmasında sinir-evrimi yaklaşımı

    NeuroEvolutionary approach to electroencephalography (EEG) signal classification

    ERDEM AYBEK

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolPamukkale Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. MERİÇ ÇETİN

  5. EEG verileri ile derin öğrenme tabanlı epilepsi nöbeti teşhisi

    Emotion analysis with EEG based deep learning

    ABDULKADİR BULDU

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Elektrik ve Elektronik MühendisliğiSiirt Üniversitesi

    Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. MELİH KUNCAN

    DR. ÖĞR. ÜYESİ KAPLAN KAPLAN