Melez sınıflandırma yaklaşımı ile EEG işaretlerinden epileptik dönemlerin algılanması
Detection of epileptic seizures from the EEG signals by using a hybrid classification approach
- Tez No: 343442
- Danışmanlar: DOÇ. DR. CEMAL KÖSE
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Epileptik Nöbet, Hjorth, Entropi, Tekrarlılık Ölçme Grafiği, Hurst Üstel Katsayısı, Melez Sınıflandırıcılar, Epileptic Seizure, Hjorth, Entropy, Recurrence Plot, Hurst Exponent, Hybrid Classifier
- Yıl: 2014
- Dil: Türkçe
- Üniversite: Karadeniz Teknik Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 87
Özet
Günümüzde otomatik tanı sistemlerinin tıbbi alanlarda gittikçe yaygınlaşmasıyla, hastalıkların tanısı için harcanan süre ve yanlış tanılar azalmıştır. Bu sistemler aynı zamanda hastalığın tedavisinde uzmanlara da yol gösterir nitelikte olmuştur. Daha önceki teşhislere yönelik verilerin saklanması ve yeniden yorumlanması adına kolaylık sağladığından, bu sistemlerin geliştirilmesinin ve desteklenmesinin önemi artmıştır. Tez çalışması, epileptik nöbetin teşhisi amaçlı sağlıklı, nöbet öncesi ve nöbet dönemi verilerinin sınıflandırılması ve bu sınıflandırma başarılarının karşılaştırmalı olarak ele alınmasını içermektedir. Bunun için daha önce hastalık teşhisi ya da farklı amaçlarla EEG analizinde kullanılmış olan Hjorth betimleyicileri, tekrarlılık ölçme analizi, Shannon entropi, Hurst üstel katsayısı ve sıfır geçiş oranı yöntemlerinden faydalanılmıştır. Elde edilen öznitelikler, k-en yakın komşuluk, Naive Bayes, yapay sinir ağları ve destek vektör makineleri ile önce tekli daha sonra performansı artırmak için melez sınıflandırma yapılmıştır. Çalışmada, hem epileptik nöbetin tespiti, hem de hastalıklı ve sağlıklı bireylerin ayırt edilmesine ilişkin veri gruplamaları yapılmış ve 7 adet alt veri kümesi oluşturulmuştur. Önerilen sistemin performansı doğruluk, duyarlılık ve özgünlük ölçütleri ile, oluşturulan her bir veri kümesi için belirlenmiştir. Bu durumda %97.5 ila %100 arasında sınıflandırma doğruluğu bulunmuş ve sonuçlar literatürdeki çalışmalarla kıyaslandığında tez çalışmasında önemli ilerlemelerin elde edildiği görülmüştür.
Özet (Çeviri)
Nowadays, the implementation of computerized systems in the medical field is quite popular. For this reason, the time taken for diagnosis of diseases and incorrect diagnoses have been decreased. These systems are also employed by the experts to improve treatment of illnesses. Because of these systems make storing and reinterpretation of diagnostic data more easier, the importance of development and support of these systems has increased. In this thesis, the data of healthy, pre-seizure and seizure period have been classified to diagnosis of epileptic seizure, and a comparative study of classifiers with classification accuracy have been made. For that, Hjorth's Descriptors, Recurrence Quantification Analysis, Shannon Entropy, Hurst Exponent, Zero Cross Rate methods, which have been used previously for diagnosis of disease or analysis of EEG signals, have been utilized. Obtained attributes have been firstly classified using k-nearest neighbor, naive Bayes, neural networks and support vector machines severally. For further performance improvement, the methods are evaluated in hybrid manner. For both detecting epileptic seizure, and distinguishing healthy and diseased people, 7 sub-data sets are created and accuracy, sensitivity and specificity of the methods were determined for the data sets. In this case, classification accuracy of between 97.5% and 100 % has been obtained and the results compared with the literature show that significant contributions have been made with this study.
Benzer Tezler
- Spatial decoding of oscillatory neural activity for brain computer interfacing
Beyin makine arayüzleri için salınımlı beyin işaretlerinin uzamsal çözümlemesi
İBRAHİM ONARAN
Doktora
İngilizce
2013
Biyomühendislikİhsan Doğramacı Bilkent ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. AHMET ENİS ÇETİN
YRD. DOÇ. DR. NURİ FIRAT İNCE
- Melez bir öğrenme yaklaşımı ile ek yeri proseslerinde anomali tespit ve sınıflandırma
Detection and classification of anomalies in the splice adding processes with a hybrid learning approach
ENES BAYTÜRK
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKocaeli ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. OĞUZHAN URHAN
- Manyetik anomali yöntemi ile gömülü cisimlerin tespit edilmesi
Detection of buried objects by magnetic anomaly method
SALİH SÖYLER
Doktora
Türkçe
2018
Savunma ve Savunma TeknolojileriGazi ÜniversitesiElektrik Eğitimi Ana Bilim Dalı
DOÇ. DR. CEMAL YILMAZ
DOÇ. DR. HAMDİ TOLGA KAHRAMAN
- Tavsiye sistemlerinde veri bütünleştirme
Data integration in recommendation systems
EMRAH EKMEKÇİLER
Yüksek Lisans
Türkçe
2012
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBaşkent ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. HASAN OĞUL
- Türkçe sözcük anlam belirsizliği giderme
Word sense disambiguation for Turkish
BAHAR İLGEN
Doktora
Türkçe
2015
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. EŞREF ADALI
YRD. DOÇ. DR. AHMET CÜNEYD TANTUĞ