Geri Dön

Yapay sinir ağları yardımı ile eeg tabanlı anestezi derinliği tahmini için yöntemler

Eeg based methods for predicting the depth of anesthesia using artificial neural networks

PDF İndir

  1. Tez No: 324657
  2. Yazar: MUSTAFA COŞKUN
  3. Danışmanlar: YRD. DOÇ. DR. AYHAN İSTANBULLU
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2013
  8. Dil: Türkçe
  9. Üniversite: Balıkesir Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 67

Özet

Operasyon sırasında hastaya uygulanan anestezi seviyesi operasyonun başarılı geçmesi konusunda büyük öneme sahiptir. Anestezi seviyesi tespitinde çeştli klinik belirtilerden faydanılsa da, EEG değerlerinden anestezi seviyesi tahmininde daha objektif olarak yararlanmak mümkündür. EEG sinyallerine ait frekans bantları anestezi seviyesinin tespiti için çeşitli analiz metotları ile çalışılmaktadır. Günümüzdeki çalışmalar anestezi altında beyin aktivitesinin uykuda olduğu gibi stabil olduğunu ve daha çok EEG spektrumuna ait delta-teta bantlarının aktif olduğunu göstermektedir. Bu tez çalışmasında anestezi seviyesinin tespitini yapabilmek için EEG spektrumu içerisinde bulunan delta-teta bantları iki farklı yöntemle elde edilmiştir. İlk yöntem ışığında, Ayrık Dalgacık Dönüşümü ve ikinci yaklaşımda Ampirik Kip Ayrışımı operasyon sırasında hastalardan elde edilen EEG sinyallerine uygulanarak ilgili frekans bantlarına ulaşılacaktır. Bahsi geçen bantlara ait Güç Spektral Yoğunlukları operasyonun idame safhasında hastaya uygulanacak gaz oranının tahminini yapabilmek için tasarlanan Çok Katmanlı Algılayıcı yapısına giriş olarak sunulmuştur. Bu çalışma, kalp hızı, kan basıncı vb. gibi biyolojik belirtileri giriş olarakkullanmak yerine, sadece ilgili bantlara ait Güç Spektral Yoğunluk değerlerini Çok Katmanlı Algılayıcı yapısına sunmaktadır. Sonuç olarak Çok Katmanlı Algılayıcı yapısı çıkışında elde edilen değerler idame safhasında uygulanacak gaz miktarını daha az veri, etkili yöntem ve zaman kazandırarak yüksek doğrulukta tahmin etmiştir.

Özet (Çeviri)

The depth of anesthesia to be applied to patient at surgical operations has a big importance, because it determines the success of operation. Although different clinical symptoms are utilized to determine the depth of anesthesia, EEG signals are more objective way to estimate the depth of anesthesia. Spectrum of EEG signals is studied with different types of processing methods to predict the depth of anesthesia. Recent studies show that the brain is stable state and delta-theta bands of EEG spectrum are active under anesthesia. In this thesis, delta-theta bands of EEG spectrum are extracted by using two different methods to predict the depth of anesthesia. In the view of first method, Discrete Wavelet Transformation and in the second approach, Empirical Mode Decomposition are applied to EEG signals to extract accurate frequency-bands. Power density spectrum values of mentioned bands will be applied as inputs to designed Multi-Layer Perceptron network. The output of the network estimate the amount of gas to be applied to patient in the maintenance stage at surgical operations. This study presents only power density spectrum values of extracted EEG bands as inputs to network, except current medical techniques which use also heart rate, pressure etc. as inputs. Finally, results of the Multi-Layer Perceptron network yields highly accurate ratio to estimate the amount of gas to be applied in the maintenance stage by using less data, effective way and saving of time.

Benzer Tezler

  1. Tez No

    216012

    EEG sinyallerindeki epileptiform aktivitenin veri madenciliği süreci ile tespiti

    The detection of an epileptiform activity on EEG signals by using data mining process

    MEHMET ALBAYRAK

    Doktora

    Türkçe

    Türkçe

    2008

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolSakarya Üniversitesi

    Elektrik ve Elektronik Mühendisliği Bölümü

    PROF. DR. ETEM KÖKLÜKAYA

  2. Tez No

    477659

    Eeg sinyalleri ile cihaz kontrolü

    Device control with eeg signals

    HARUN ÇİĞ

    Yüksek Lisans

    Türkçe

    Türkçe

    2017

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİnönü Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. DAVUT HANBAY

  3. Tez No

    168373

    Düşünsel yönelim EEG'sinin yapay sinir ağları ile kontrolde kullanımına yönelik simülasyonu

    Simulation of EEG imagery in control applications using neural networks

    ÖZBER ÇİN

    Yüksek Lisans

    Türkçe

    Türkçe

    2005

    Elektrik ve Elektronik MühendisliğiYıldız Teknik Üniversitesi

    Elektrik Mühendisliği Ana Bilim Dalı

    PROF.DR. GALİP CANSEVER

  4. Tez No

    692622

    Artificial neural networks for electroencephalogram classification

    Başlık çevirisi yok

    ALI MOHSIN LATEEF ALKHAFAJI

    Yüksek Lisans

    İngilizce

    İngilizce

    2021

    Bilim ve TeknolojiAltınbaş Üniversitesi

    Bilgi Teknolojileri Ana Bilim Dalı

    PROF. DR. OSMAN NURİ UÇAN

  5. Tez No

    286140

    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

    İngilizce

    2011

    Bilim ve TeknolojiOrta Doğu Teknik Üniversitesi

    Elektrik ve Elektronik Mühendisliği Bölümü

    PROF. DR. NEVZAT GÜNERİ GENÇER

Geri Dön