Tek sınıf destek vektör makineleri kullanılarak epileptik EEG işaretlerinin sınıflandırılması
Epileptic EEG signal classification using one-class support vector machines
- Tez No: 251692
- Danışmanlar: YRD. DOÇ. DR. MUSTAFA ERSEL KAMAŞAK
- Tez Türü: Yüksek Lisans
- Konular: Biyomühendislik, Bioengineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2009
- Dil: Türkçe
- Üniversite: İstanbul Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Biyomedikal Mühendisliği Bilim Dalı
- Sayfa Sayısı: 87
Özet
Dünya nüfusunun yaklaşık %1'inde görülebilen epilepsi hastalığı kişilerin günlük hayatlarının birçok evresini olumsuz olarak etkilemektedir. Bu yüzden epilepsinin tespiti büyük önem arz etmektedir. Epilepsi nöbetlerinin önüne geçilmesi amacıyla hastaya ilaç tedavisi uygulanabilmektedir. Bunun yanı sıra beynin sorunlu bölgesini elektriksel olarak uyararak yapılan çalışmalar da vardır.Beynin elektriksel aktivitesi hakkında bilgi içeren bir kayıt olan EEG epilepsi nöbetinin tespiti için önemli bir araçtır. Bu tez çalışmasında da EEG işaretleri epilepsi tespiti için kullanılmıştır.Sınıflandırıcı olarak ise tek-sınıf destek vektör makineleri kullanılmıştır. Tek-sınıf destek vektör makinelerinin diğer sınıflandırıcılardan farkı, eğitim işlemi için sadece tek bir sınıf örneklerini kullanmasıdır. Dolayısı ile sınıflandırıcının eğitimi için epilepsi nöbeti esnasında alınmış EEG kayıtlarına ihtiyaç duyulmamıştır.Bu amaçla daha önceden yapılmış olan çalışmalarda kullanılmış olan 28 adet öznitelik çıkarılmıştır. Öznitelik sayısını azaltmak amacıyla da temel bileşenler analizi ve mRMR öznitelik seçimi işlemleri ayrı ayrı uygulanmış ve sınıflandırıcının performansı üzerindeki etkileri incelenmiştir.Tüm 28 öznitelik kullanılarak, temel bileşenler analizi ile özuzaydaki enerjinin %95'i kapsanacak şekilde boyut azaltılması ile elde edilen öznitelikler kullanılarak ve mRMR öznitelik seçimi ile önemli olduğu görülen özniteliklerden farklı miktarlarda kullanılarak farklı sınıflandırıcılar eğitilmiş ve test edilmiştir. Sonuç olarak, mRMR öznitelik seçiminin uygun öznitelik sayısı ile tüm öznitelikler ve TBA'ya göre daha iyi sonuç verdiği görülmüştür.
Özet (Çeviri)
Approximately 1% of world population have epilepsy which affects most parts of patients? daily lives in an unfavorable way. Therefore, detection of epilepsy is an important issue. There are efforts to control the seizures with medication. In addition, there are studies in which problematic part of the brain is electrically stimulated.EEG is an important tool for detection of epileptic seizures because it contains information about electrical activity of the brain. In this thesis, EEG signals are used for epilepsy detection.One-class support vector machines is used as classifier. Unlike other classifiers, one-class support vector machines require only one class of data for training. So EEG recordings of epileptic seizures are not needed for training of the classifier.For this purpose, 28 features which were previously used in literature are extracted. Principal component analysis and mRMR feature selection algorithms are applied separately to reduce the number of features and their effects on the classifier performance is observed.Different classifiers are trained and tested for three cases of features: all 28 features, features principal component analysis to contain 95% of variance, different number of features which are indicated to be most important by mRMR. As a result, mRMR feature selection is found out to be superior to all features and PCA with proper number of features in terms of classification performance.
Benzer Tezler
- Eeg sinyalleri ile cihaz kontrolü
Device control with eeg signals
HARUN ÇİĞ
Yüksek Lisans
Türkçe
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİnönü ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. DAVUT HANBAY
- Detection of structural damage using one-class support vector machine
Tek-sınıf destek vektörleri kullanarak yapısal hasar tespiti
EFKAN OK
Yüksek Lisans
İngilizce
2020
Mühendislik Bilimleriİstanbul Teknik Üniversitesiİnşaat Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ BURCU GÜNEŞ
- Markov random field based road network extraction from high resolution satellite images
Yüksek çözünürlüklü uydu görüntülerinden Markov rastgele alan bazlı yol ağı çıkarımı
MAHİR ÖZTÜRK
Yüksek Lisans
İngilizce
2013
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. UĞUR HALICI
- Augmenting authentication with behavioral biometrics in a mobile banking application
Mobil bankacılık uygulamasında davranışsal biyometri ile artırılmış kimlik doğrulama
OKAN ENGİN BAŞAR
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolGalatasaray ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. ÖZLEM DURMAZ İNCEL
- Kronik böbrek yetmezliği (KBY) tanısında farklı makine öğrenimi yöntemlerinin karşılaştırılması
Comparison of different machine learning methods in the diagnosis of chronic kidney failure (CKF)
TOLGA DEMİREL
Yüksek Lisans
Türkçe
2023
BiyoistatistikOndokuz Mayıs ÜniversitesiBiyoistatistik ve Tıp Bilişimi Ana Bilim Dalı
DOÇ. DR. LEMAN TOMAK