Automatic feature extraction of eeg signals using neural networks and time-frequency analysis
Sinir ağları ve zaman-frekans analizi kullanılarak eeg sinyallerinin otomatik özellik çıkarımı
- Tez No: 483778
- Danışmanlar: YRD. DOÇ. DR. HASSAN SHARABATY
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2017
- Dil: İngilizce
- Üniversite: Türk Hava Kurumu Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 61
Özet
Elektroansefalografi (EEG), insanlarda bulunan birçok nörolojik bozukluğun teşhisinde kullanılan önemli bir araçtır. Görsel EEG analizi oldukça karmaşıktır ve doktorlar tarafından teslim edilmesi çok zaman gerektirmektedir. Bunun yanı sıra, manuel teşhis doktorun deneyimine ve bazı diğer faktörlere bağlı olarak bir doktordan diğer doktora farklılık göstermektedir. Zaman-frekans analizi ve Yapay Sinir Ağı (ANN) genellikle bu sinyallerin otomatik teşhisinde kullanılmaktadır. Bu çalışmada, Bonn Üniversitesi (UBonn) veri setine dayanılarak önişleme aşamasında EEG sinyallerinin ayrıştırılması için Kesikli Dalgacık Dönüşümü (DWT) kullanılmasını ve daha sonra sınıflandırma kararını vermek için yapay sinir ağının (ANN) 2 gizli katmanını kullanarak çıkarılmış özellikleri analiz edilmesini önermekteyiz. Önişleme analizi, Daubechies 4 (db4) ve Daubechies 8 (db8) olmak üzere iki dalgacık fonksiyonu kullanan MATLAB Dalgacık Araç Çubuğu üzerinden gerçekleştirilmiştir. Seçilen özelliklerin sınıflandırma doğruluğu üzerindeki etkisini incelemek için, özellik çıkarımı aşamasında 6 farklı durumu tartıştık. Nihai olarak, sonuçta ortaya çıkan vektörler Karar-Alma aşamasında Levenberg-Marquardt eğitim algoritması tarafından eğitilmiştir. Algoritmamızın performansı Karışıklık Matrisi eşitlikleri üzerinden değerlendirilmiştir. Db4 durumunda, önerilen en iyi senaryoların doğruluğu %98.50 olurken, db8 ise %98.75'lik bir doğruluk vermektedir.
Özet (Çeviri)
Electroencephalography (EEG) is an important tool for the diagnosis of many human neurological disorders. The visual EEG analysis is very complex and requires a lot of time to be delivered by doctors. Moreover, the manual diagnosis is differing from one doctor to another depending on the doctor experience and some other factors. Time-frequency analysis & Artificial Neural Networks (ANN) is generally used in the automatic diagnosis of these signals. In this work, we propose to use Discrete Wavelet Transform (DWT) to decompose the EEG signals in preprocessing stage depending on Bonn University (UBonn) Dataset, then to analyze the extracted features using 2 hidden layers of ANN in order to deliver the classification decision. The preprocessing analysis was achieved via MATLAB Wavelet Toolbox using two wavelet functions: Daubechies 4 (db4) and Daubechies 8 (db8). In order to study the impact of selected features on the classification accuracy, we have discussed 6 different cases in Feature extraction stage. Finally, the resulted vectors are trained by Levenberg-Marquardt training algorithm in the Decision-Making stage. The performance of our algorithm is evaluated via Confusion Matrix equations. In case of db4, the accuracy of the best proposed scenarios is 98.50% whereas db8 gives an accuracy of 98.75%.
Benzer Tezler
- Derin öğrenme algoritmaları kullanılarak EEG sinyallerinden yalan tespiti
Lie detection from EEG signals using deep learning algorithms
MUSA ASLAN
Yüksek Lisans
Türkçe
2023
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat ÜniversitesiYazılım Mühendisliği Ana Bilim Dalı
DOÇ. DR. MUHAMMET BAYKARA
- Boyut arttırma yöntemleri kullanılarak eeg sinyallerinden derin öğrenme tabanlı şizofren durum tespiti
Deep learning based schizophrenia status determination from eeg signals using dimension augmentation methods
ZÜLFİKAR ASLAN
Doktora
Türkçe
2021
Elektrik ve Elektronik MühendisliğiDicle ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET AKIN
- EEG ve EKG işaretlerinden örüntü tanıma uygulamaları ve karşılaştırılması
Applications and comparison of pattern recognition from EEG and ECG signals
ABDULNASIR YILDIZ
Doktora
Türkçe
2011
Elektrik ve Elektronik MühendisliğiFırat ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. MUSTAFA POYRAZ
- Towards adaptive brain-computer interfaces: Statistical inference for mental state recognition
Uyarlanabilir beyin-bilgisayar arayüzlerine doğru: Zihinsel durum tanıma için istatistiksel çıkarım
MASTANEH TORKAMANI AZAR
Doktora
İngilizce
2020
BiyomühendislikSabancı ÜniversitesiElektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. MÜJDAT ÇETİN
Prof. Dr. SELİM SAFFET BALCISOY
- EEG sinyallerinde uyku iğciklerinin zaman ve frekans domeni özellikleri kullanılarak analizi
Analysis of sleep spindles on EEG signals by using time and frequency domain features
MEHMET DURSUN
Yüksek Lisans
Türkçe
2009
Elektrik ve Elektronik MühendisliğiSelçuk ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. SALİH GÜNEŞ