Eeg sinyalleri işlenerek multipl skleroz hastalığının tespiti ve sınıflandırılması
Detection and classification of multiple sclerosis disease by processing of eeg signals
- Tez No: 602411
- Danışmanlar: PROF. DR. FIRAT KAÇAR, PROF. DR. AYDIN AKAN
- Tez Türü: Doktora
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2019
- Dil: Türkçe
- Üniversite: İstanbul Üniversitesi-Cerrahpaşa
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Biyomedikal Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Biyomedikal Mühendisliği Bilim Dalı
- Sayfa Sayısı: 86
Özet
Multipl skleroz (MS), merkezi sinir sistemini etkileyen kronik bir bağışıklık sistemi hastalığıdır. Hastalık, sinir hücrelerinde hasar meydana gelmesine neden olarak kişide çeşitli bilişsel ve fonksiyonel engelliliklerin oluşmasına neden olur. Merkezi sinir sisteminden onarılamaz hasarlara neden olabilen ve hızı değişmekle birlikte sürekli olarak ilerleme eğiliminde olan bu hastalık için erken tedavi büyük önem taşır. MS belirtileri gösteren bir hastaya kesin MS teşhisi konulabilmesi için, hastanın uzun zaman alan, zahmetli ve ekonomik maliyeti yüksek bazı testlerden geçmesi gerekmektedir. Bu durum, bir yandan teşhis için zaman kaybına, diğer yandan ise yüksek maliyetlere neden olmaktadır. Bu tezde MS hastalığının daha hızlı, daha kolay ve daha az maliyetli bir şekilde teşhisi için, hastalara ait elektroansefalografi (EEG) sinyallerinin işlenmesine dayanan bir yöntem önerilmektedir. Bu amaçla MS hastaları ve sağlıklı bireylerden dinlenme durumunda kaydedilen EEG sinyallerinden çeşitli sinyal parametreleri elde edilerek sınıflandırma için kullanılmışlardır. Bununla birlikte, EEG sinyallerinden hesaplanan öznitelikler kullanılarak MS hastalarının kendi içerisinde bilişsel engelli/bilişsel korunmuş sınıflandırması da yapılmıştır. Yapılan analizlerde orijinal EEG sinyallerinin yanı sıra, bu sinyallere uygulanan çok değişkenli görgül kip ayrıştırma işlemi sonucu elde edilen alt bileşenleri de kullanılmıştır. Elde edilen sonuçlarda, elektroansefalografi sinyalleri kullanılarak MS hastalığının teşhisinde yüksek doğruluk oranlarına ulaşılabildiği görülmüştür. Nispeten daha düşük doğruluk oranlarına sahip olmakla birlikte, MS hastalarının bilişsel engellilik bakımından sınıflandırılmasının da EEG sinyalleri kullanılarak gerçekleştirilebileceği sonucuna ulaşılmıştır. Çalışmada sınıflandırma işlemleri haricinde, gelecekte yapılacak benzer çalışmalarda yol gösterici olması açısından yararlı olacağı düşünülen farklı analizler de yapılmıştır. Bu amaçla; EEG sinyalleri ile yapılan sınıflandırmalarda kullanılan kanalların, özniteliklerin, öz kip fonksiyonlarının ve bu fonksiyonları seçme yöntemlerinin sınıflandırma doğruluğuna etkileri karşılaştırılmıştır.
Özet (Çeviri)
Multiple Sclerosis is a very common chronic disease that affects central nervous system. The disease causes axonal damage and neuronal loss by corrupting myelin sheaths. Cognitive and functional impairment is the common effect of neurological damage. Due to it causes irreversible damages over central nervous system, early diagnosis is very important. Time consuming, difficult and high cost examinations are needed for determination of multiple sclerosis. This procedures causes loss of time, which is very important to start early treatment. In this study, we have used electroencephalography signals in the detection of multiple sclerosis. The method we proposed is faster, easier and low cost when compared with the current diagnostic procedures. We have classified electroencephalography signals recorded from multiple sclerosis patients and healthy volunters. We also classified multiple sclerosis patients as cognitively impaired/intact by using features extracted from electroencephalography signals. In classification, we have used original electroencephalography signals while we also used components of electroencephalography signals which are obtained by using empirical mode decomposition. We reached a high accuracy rate in the detection of multiple sclerosis. We also reached a relatively low but good accuracy in the cognitive impairment classification. Besides classification, we also made some other analyses which could be guiding in future works. For this purpose, we have compared the electroansephalography channels, features, intrinsic mode functions and intrinsic mode function selection methods in terms of classification accuracy.
Benzer Tezler
- EEG tabanlı çoklu sensör destekli bir insan makine arayüzünün geliştirilmesi
Development of an eeg and multi sensor based human machine interface
GÜRKAN KÜÇÜKYILDIZ
Doktora
Türkçe
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKocaeli ÜniversitesiMekatronik Ana Bilim Dalı
PROF. DR. HASAN OCAK
- EEG controlled semi-autonomous mobile vehicle design and implementation
EEG kontrollü yarı otonom mobil araç tasarımı ve gerçeklenmesi
HÜSEYİN TANZER ATAY
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. FATMA İNCİ ÇİLESİZ
- Nöropazarlama uygulamaları için EEG sinyallerinin analizi ile beğeni durum tespiti
Recognition of preferences with analysis of EEG signals for neuromarketing applications
BURAK CEYLAN
Doktora
Türkçe
2024
Biyomühendislikİstanbul Üniversitesi-CerrahpaşaBiyomedikal Mühendisliği Ana Bilim Dalı
PROF. DR. FIRAT KAÇAR
PROF. DR. AYDIN AKAN
- EEG sinyallerinin beyin makine arayüzü amaçlı kullanımı
Using of EEG data for the purpose of brain computer interfaces
SABİT ÇAKIR
Yüksek Lisans
Türkçe
2016
Elektrik ve Elektronik MühendisliğiYıldız Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
YRD. DOÇ. UMUT ENGİN AYTEN
- Motor imagery based mobile brain computer interface design using machine learning techniques
Makine öğrenmesi yöntemleri ile motor hareket hayali tabanlı mobil beyin bilgisayar arayüzü tasarımı
HAKAN AŞIK
Yüksek Lisans
İngilizce
2017
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
PROF. DR. ZÜMRAY DOKUR