Geri Dön

Nonlinear dynamic analysis of eeg-signals using synchronization techniques

Eeg sinyallerinin senkronizasyon teknikleri kullanılarak doğrusal olmayan dinamik analizi

PDF İndir

  1. Tez No: 579895
  2. Yazar: ALİ EED MOHAMMAD OLAMAT
  3. Danışmanlar: PROF. DR. AYDIN AKAN
  4. Tez Türü: Doktora
  5. Konular: Biyomühendislik, Nöroloji, Bioengineering, Neurology
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2019
  8. Dil: İngilizce
  9. Üniversite: İstanbul Üniversitesi-Cerrahpaşa
  10. Enstitü: Lisansüstü Eğitim Enstitüsü
  11. Ana Bilim Dalı: Biyomedikal Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Biyomedikal Mühendisliği Bilim Dalı
  13. Sayfa Sayısı: 172

Özet

Elektroensefalografi (EEG), beyindeki milyarlarca birbirine bağlı nöronun ürettiği aksiyon potansiyeli formundaki beyin aktivitesinin bir ölçümü olarak tanımlanır. EEG beynin davranışı ve fonksiyonlarını daha iyi anlamak için önemli bilgiler içermesinden dolayı araştırmacıların dikkatini çekmektedir. Epilepsi temel olarak nöbetlerle karaketrize olan ve dünya çapında insanları etkileyen nörolojk rahatsızlıklardan biridir. Nöbet döneminde (iktal faz) nöronlar hiperaktif ve snkron fazne girerken, ateşleme aksiyon potansiyelinin ortalaması nöbet öncesindeki (priktal) ortalamayı aşar. Geçtiğimiz on yıllar boyunca, nörobilim epilepsi EEG verilerini analiz etmede giderek daha fazla dikkat çekti, çünkü epilepsi hastalarının yaşam kalitesinin (QoL) geliştirilmesinde birincil rol oynadı. Ani ve beklenmedik epilepsi nöbet seyri, epileptik nöbet tespitinin klinik kullanımını anlamak ve desteklemek için nörobilim alanındaki ana konulardan biri olarak kabul edilir. EEG sinyal işleme alanındaki birçok yeni yöntem EEG-nöbet doğrusal olmayan analizi üzerine odaklanmıştır. Bu çalışmalar, nöbet üretme sürecinin rastgele veya ani bir fenomen olmadığını göstermiştir. Fokal sivri yoğunluğunun sayısı, frekans tutarlılığı veya spektral analizler gibi geleneksel sinyal analizleri güvenilir belirleyiciler değildir. Frekans domain özellikleri, bir sinyalde ritmik salınımı yakalayabilir ancak EEG sinyallerinin doğrusal olmayan özellikleri ile sınırlıdır. Senkronizasyon olayı, yaşamın birçok dalında var olan birleştirilmiş sistemler arasındaki bağımlılıklar olarak tanımlanabilir. Korelasyon, faz senkronizasyonu (PS) ve genelleştirilmiş senkronizasyon (GS) gibi çeşitli teknikler bu senkronizasyonu doğrusal veya doğrusal olmayan olarak tanımlanabilir. Bu çalışmada, önceden tanımlanmış bir dizi senkronizasyon analizi yöntemini sunmaya başladık ve bunların nöbet tespitindeki rollerini ve daha sonra senkronizasyon pencerelerindeki nöbet tespitini gerçekleştirerek kullanılabilirliğini test ettik. Daha sonra, bir“Visibility Graph”(VG) analizine dayanan epileptik EEG verilerini incelemek için yeni bir doğrusal olmayan senkronizasyon analiz yöntemi önerdik. Bu yöntem, bir zaman serisi boyunca sürgülü pencerelerin VG'si ile elde edilen yerel düğümlerin bir durum ağını tanımlar ve daha sonra Re-Scale Range analizi ile Motifler adı verilen belirli özelliklerin kalıcılığını tahmin eder. Bu yöntemler İzmir Katip Çelebi Üniversitesi'nde kaydettiğimiz epileptik EEG verilerinde uygulanmıştır. Bu çalışmada“Synchronization Likelihood”(SL),“Global Field Synchronization”(GFS),“Fuzzy Synchronization Likelihood”(FSL) ve“Visibility Graph Similarity”(VGS) gibi genel senkronizasyonu tespit etmek için doğrusal olmayan bir araç olarak çeşitli çalışmalar ve algoritmalar sunulmuştur. Çalışmamızın özü olan“Visibility Graph”(VG), bir zaman serisini analiz eden geometrik bir araçtır. Nörobilim araştırmacıları tarafından yaygın olarak kullanılmakta olan bu araç Otizm Spektrum Bozukluğu teşhisinde de uygulanmaktadır. Önerilen yöntemin katkıları, ilk parametre seçiminden bağımsız, gürültüye karşı dayanıklı, çok kanallı zaman serileri arasındaki senkronizasyonu tahmin edebilmesi ve hesaplama süresini azaltabilmesidir. Bu yöntemde nöbet tespitinin performansı, her bir zaman serisinden çıkarılan alt pencereler arasındaki korelasyon ile değerlendirildi; bu pencerelerin konumu, her sinyalden elde edilen motif konumlarına dayanarak seçildi. Sonuçlarımızı bilinen diğer senkronizasyon analiz yöntemleriyle de karşılaştırdık ve sonuçların önemini gözlemlemek için ANOVA tarafından istatistiksel değerlendirme yaptık.

Özet (Çeviri)

Electroencephalography (EEG) is defined as a measurement of brain activity in the form of action potentials generated by billions of interconnected neurons in the brain. It contains essential information that takes attention by researchers because it helps in more understanding of brain behavior and functions. Epilepsy is one type of neurological disorders which is fundamentally characterized by seizures and affecting people worldwide. During the seizure period (ictal phase) neurons enter a phase of hyperactive and synchronous, where the rate of firing action potential exceeds its normal average (preictal or background). During the past decades, neuroscience increasingly paid more attention to analyze epilepsy EEG data as it has a primary role in the improvement of the quality of life (QoL) of epilepsy patients. The sudden and unexpected course of epilepsy seizures is considered as one of the major subjects in the field of neuroscience in order to understand and support the clinical usage of epileptic seizures detection. Several new methods in the field of EEG signal processing have been focused on the nonlinear analysis of EEG-seizures. These studies showed that the process of producing seizures is not a random or abrupt phenomenon. Traditional signal analyses, such as the count of focal spike density, the frequency coherence or spectral analyses are not reliable predictors. Frequency domain features can capture rhythmic oscillation in a signal but are limited to nonlinear properties of EEG signals. Synchronization phenomenon can be defined as interdependencies between coupled systems which existed in many branches of life. This synchronization may be described as linearly or nonlinearly by different techniques like correlation, phase synchronization (PS) and generalized synchronization (GS). In this research, we began by introducing a predefined set of techniques for synchronization analysis, and their role in seizure detection was then tested by a window-by-window seizure detection. Then we proposed a new non-linear synchronization analysis method to study epileptic EEG data based on a visibility graph (VG) analysis. This method defines a state network of local nodes obtained by VG of sliding windows over a time series, and then it estimates the persistence of particular features called motifs by Re-scale Range analysis. These methods have been applied on epileptic EEG data that we recorded in Izmir Katip Celebi University. Several studies and algorithms were presented in this study as a non-linear tool to detect the generalized synchronization such as Synchronization Likelihood (SL), Global Field Synchronization (GFS), Fuzzy Synchronization Likelihood (FSL) and Visibility Graph Similarity (VGS). Visibility Graph (VG), which is the core of our study, is a geometrical tool of analyzing a time series that have been widely utilized by neuroscience researchers and it was applied in the diagnosis of Autism Spectrum Disorder. The contributions of the proposed method are the independent of initial parameter selection, robust against noise, able to estimate the synchronization between multichannel time series and reducing the computation cost. On the other hand, this method presents a new way of employing a graphical network metric (Motif) in the detection of epileptic seizures. Also the proposed method provides the ability to distinguish between different brain states (seizure and non-seizure data) significantly at a good agreement with other methods. The performance of seizure detection was evaluated in this method by the correlation between the extracted sub-windows from each time series, where the location of such windows was selected based on the obtained motif-positions from each signal. We also compared our results with other well-known methods of synchronization analysis and performed statistical evaluation by ANOVA for observing the significance of results.

Benzer Tezler

  1. Tez No

    384870

    Korteks davranışının vuru üreten hücre modeli ile incelenmesi

    Analysis of cortex behavior by a spiking neuron model

    YUSUF KUYUMCU

    Yüksek Lisans

    Türkçe

    Türkçe

    2014

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    DOÇ. NESLİHAN SERAP ŞENGÖR

  2. Tez No

    682667

    Evaluation of some neurological disorders by the analysis of EEG signals

    EEG sinyallerinin analizi ile bazı nörolojik bozuklukların değerlendirilmesi

    ÖZLEM KARABİBER CURA

    Doktora

    İngilizce

    İngilizce

    2021

    Biyomühendislikİzmir Katip Çelebi Üniversitesi

    Biyomedikal Teknolojiler Ana Bilim Dalı

    PROF. DR. AYDIN AKAN

  3. Tez No

    544612

    Analysis of brain activity during the sleep-wake cycles of rodents and humans with symbolic dynamic analysis of the electroencephalogram

    Başlık çevirisi yok

    PINAR DENİZ TOSUN

    Doktora

    İngilizce

    İngilizce

    2018

    Makine MühendisliğiUniversity of Surrey

    Dr. DANIEL ABASOLO

    Dr. RAPHAELLE WINSKY SOMMERER

  4. Tez No

    129420

    Analysis of single trial evoked potentials using neural network structures and radial basis functions

    Tek denemeli uyarılmış gerilimlerin sinir ağı yapılarıyla ve ışınsal temelli işlevlerle çözümlenmesi

    RÜŞTÜ MURAT DEMİRER

    Doktora

    İngilizce

    İngilizce

    2002

    Tıbbi BiyolojiBoğaziçi Üniversitesi

    Tıbbi Biyoloji Ana Bilim Dalı

    DOÇ. DR. H. ÖZCAN GÜLÇÜR

  5. Tez No

    749809

    Beynin stroop testi uyaranlarına verdiği elektroensefalografi ve fonksiyonel yakın kızılötesi spektroskopi tabanlı cevapların, sinyal işleme ve makine öğrenmesi metotlarıyla değerlendirilmesi

    Evaluation of the brain's responses to stroop test stimuli using electroencephalography and functional near-infrared spectroscopy based on signal processing and machine learning methods

    ELİF UĞURGÖL

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Mühendislik BilimleriErciyes Üniversitesi

    Biyomedikal Mühendisliği Ana Bilim Dalı

    PROF. DR. AYŞEGÜL GÜVEN

Geri Dön