EEG sinyallerindeki epileptiform aktivitenin veri madenciliği süreci ile tespiti
The detection of an epileptiform activity on EEG signals by using data mining process
- Tez No: 216012
- Danışmanlar: PROF. DR. ETEM KÖKLÜKAYA
- Tez Türü: Doktora
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Elektrik ve Elektronik Mühendisliği, Teknik Eğitim, Computer Engineering and Computer Science and Control, Electrical and Electronics Engineering, Technical Education
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2008
- Dil: Türkçe
- Üniversite: Sakarya Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik ve Elektronik Mühendisliği Bölümü
- Bilim Dalı: Elektronik Mühendisliği Ana Bilim Dalı
- Sayfa Sayısı: 143
Özet
Türkiye'de ve dünyada; biyomedikal ve sinyal işleme konularındaki çalışmalara bakıldığında, hem teorik hem de uygulamalı olarak çok sayıda çalışmanın bulunduğu göze çarpmaktadır. Bu çalışmalar genel olarak; elektronik sistem tasarımları, matematiksel modeller, istatistik metotlarla yapılmış çalışmalar, yapay zekâ tabanlı (bulanık mantık, yapay sinir ağları ve genetik algoritmalar içeren) çalışmalar ve tıbbi yazılımlar (genel olarak mobil uygulamalar ve cihaz otomasyonları) olarak gruplandırılabilir. Bu alandaki çalışmaların özellikle 2000 yılından sonraki artışı dikkat çekicidir. Türkiye'de ve dünyada veri madenciliği alanında çalışmaların çok yeni ve az oluşunun yanı sıra, tıbbi veriler üzerindeki veri madenciliği çalışmalarının yok denecek kadar az olması konunun önemini ortaya koymaktadır. Veri madenciliği süreçlerinin tıbbi veriler üzerinde uygulanması sonucunda analiz süresinin kısaldığı ve yüksek doğruluk oranı içeren sonuçlar elde edildiği görülmektedir. Çalışma bu bakımdan ele alındığında, güncel bir uygulama olarak önem taşımaktadır.Bu çalışmada; elektroensefolagram (EEG) verileri üzerinde, epileptik aktivitelerin olup olmadığının belirlenmesi ve daha sonraki aşamalarda geliştirilecek ilave yazılımlarla otomatik teşhis koymaya yardımcı bir araç geliştirilmesi amaçlanmıştır. Verilerin veri madenciliği süreçleri kapsamında sınıflama ve kümeleme algoritmaları kullanarak tespit edilebilmesi için öncelikli olarak sekiz adet öznitelik parametresi seçilmiş ve belirlenen öznitelik değerleri hesaplanmıştır. Belirlenen öznitelikler için elde edilen sonuçlar, on bir ayrı veri madenciliği algoritmasına tabi tutulmuş ve seçilen bazı algoritmaların yüksek doğruluk oranı ile epileptik aktiviteyi tespit ettiği görülmüştür. Böylelikle farklı veri madenciliği algoritmaları ile elde edilen sonuçların hesaplama sürelerinin ve doğruluk oranlarının kıyaslanması sağlanmıştır. En yüksek doğruluk oranını verdiği tespit edilen algoritmalar yardımı ile bu alanda çalışan uzmanların epileptik aktivite teşhisi koymalarına zemin oluşturmak, ilgililerin teşhis sürecinde karar vermelerini kolaylaştırmak ve konulan teşhislerde doğruluk oranını yükselterek, Türkiye'de nöroloji ve bilgisayar bilimleri literatürüne katkı sağlanması hedeflenmiştir.
Özet (Çeviri)
A lot of theoretical and practical studies on biomedical and signal processing have been carried out in the world and Turkey. The studies generally include electronic system designs, mathematical models, statistical analysis, fuzzy logic, neural network and genetic algorithm based models, mobile medical applications and related software designs and intelligent equipment automations. Increases in the number of such studies after 2000?s are very significant. A very limited and insufficient number of studies on data mining in the world and Turkey clearly show the need for such studies. Using data mining process in the area of medical data shortens the time span of analysis and increases the accuracy of the result. Such findings indicate that this study has high implementation value and an up-to-date subject.In this study; the goal is to develop a tool and additional software that would help diagnose whether or not there are epileptic activities based on electroencephalograph (EEG) data. Firstly, eight attribute parameters are selected in order to be able to gather data by using grouping and classification algorithm in the process of data mining. Then, the values of selected attribute parameters are determined. Thirdly, the values of selected attribute parameters are analyzed by eleven different data mining algorithms and it is observed that some selected algorithms help detect epileptic activity with high accuracy levels. Accordingly, it is found that different data mining algorithms allow for a comparison of calculation time and accuracy levels of the results. Through the algorithms that give the highest accuracy level, the findings of the study provide health care professionals with the data to diagnose epileptic activity, to ease the decision making process in the process of diagnosis, and to contribute to neurological studies and computer science literature in Turkey by increasing the level of accuracy in diagnosis.
Benzer Tezler
- Tıp bilişimi ve veri madenciliği uygulamaları: EEG sinyallerindeki epileptiform aktiviteye veri madenciliği yöntemlerinin uygulanması
Medical informatics and data mining applications: Application of data mining methods into epileptiform activity in EEG signals
ÜMİT CAN KUMDERELİ
Yüksek Lisans
Türkçe
2012
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolTrakya ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. ERDEM UÇAR
- Deneysel olarak oluşturulan epileptik diken aktivitesinin sinyal işleme metotları ve yapay sinir ağları kullanılarak incelenmesi ve bulguların otonomik ve davranışsal yanıtlarla füzyonu
Investigation of experimentally induced epileptic spike activity using signal processing methods and artificial neural networks and fusion of findings with autonomic and behavioral responses
DENİZ KARAÇOR
Doktora
Türkçe
2015
Elektrik ve Elektronik MühendisliğiAnkara ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. MURAT HÜSNÜ SAZLI
PROF. DR. EYÜP SABRİ AKARSU
- EEG sinyallerindeki ekg gürültüsünün faz karşılaşması ve yavaş dalganın tespitine etkisinin incelenmesi
The investigation of the effect of phase reversal and slow wave detection of ecg artifact in EEG signals
SEMA YILDIRIM
Doktora
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKonya Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. HASAN ERDİNÇ KOÇER
- Multi-stage classification of abnormal patterns in EEG and e-ECG using model-free methods
Modelden bağımsız yöntemler kullanılarak EEG ve EKG içindeki anormal örüntülerin çok katlı sınıflandırılması
YAKUP KUTLU
Doktora
İngilizce
2010
Elektrik ve Elektronik MühendisliğiDokuz Eylül ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. DAMLA KUNTALP
- Classification of motor imagery tasks in EEG signal and its application to a brain-computer interface for controlling assistive environmental devices
EEG sinyallerindeki hareket düşünsel görevlerin sınıflandırılması ve yardımcı çevresel cihazları kontrol için bir beyin bilgisayar arayüzüne uygulanması
ERMAN ACAR
Yüksek Lisans
İngilizce
2011
Bilim ve TeknolojiOrta Doğu Teknik ÜniversitesiElektrik ve Elektronik Mühendisliği Bölümü
PROF. DR. NEVZAT GÜNERİ GENÇER