EEG işaretleri kullanılarak bağımlılığa yatkınlığın makine öğrenmesi teknikleri ile değerlendirilmesi
Evaluation of predisposition to addiction with machinelearning techniques using EEG signals
- Tez No: 640730
- Danışmanlar: DOÇ. DR. SEDA POSTALCIOĞLU
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2020
- Dil: Türkçe
- Üniversite: Bolu Abant İzzet Baysal Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 67
Özet
Alkol bağımlılığının Elektroensefalografi (EEG) sinyalleri ile teşhisi, hem kişisel açıdan hem de toplum açısından önemli bir konudur. Günümüzde birçok insan bu bağımlılıktan etkilenmektedir. Başta beyin, kalp ve bağışıklık sistemi olmak üzere fizyolojik etkileri olduğu gibi, psikolojik etkileri de söz konusudur. Bu etkileri gözlemleyebilmek için EEG sinyalleri etkin bir şekilde kullanılmaktadır. Bu çalışmada, alkolizme yatkınlığın EEG sinyalleri kullanılarak teşhisi yapılmıştır. Veritabanı aracılığı ile elde edilen EEG sinyal üzerinde öncelikle veri analizi yapılmıştır. Özyinelemeli öznitelik seçimi gerçekleştirilmiştir. Sınıflandırma için Çok Katmanlı Yapay Sinir Ağları (ÇKYSA), Evrişimsel Sinir Ağları (ESA), XGBoost Algoritması (XGBA), Rassal Orman Algoritması (ROA), K-En Yakın Komşu Algoritması (K-EKA) kullanılmıştır. Pyhton ortamında çalışılmıştır. Sınıflandırma başarım ölçütleri için doğruluk, kesinlik, duyarlılık ve F1 Skor kullanılmıştır. Algoritmalar çalışma süreleri açısından karşılaştırılmıştır. Sınıflandırma başarımı açısında ÇKYSA ve ESA en iyi sonuçları vermiştir. Algoritmaların çalışma süreleri açısından bakıldığında XGBA en hızlı çalışan algoritma olduğu görülmüştür.
Özet (Çeviri)
Diagnosis of alcohol dependence with Electroencephalography (EEG) signals is an important issue both personally and society. Today, Many people are affected by this addiction. It has physiological effects, especially the brain, heart and immune system, as well as psychological effects. EEG signals are used effectively to observe these effects. In this study, genetic predisposition to alcoholism is diagnosed using EEG signals. Firstly, data analysis was performed on the EEG signal data obtained through the database. Recursive feature selection is used. For the classification, Multilayer Artificial Neural Networks (MLPNN), 1D-Convolutional Neural Networks (CNN), XGBoost Algorithm (XGBA), Random Forest Algorithm (RFA), K-Nearest Neighbor Algorithm (K-NN) are used. It has been studied in Pyhton environment. Accuracy, precision, sensitivity and F1 Score are used for classification performance criteria. Algorithms are also compared in terms of working time. In terms of classification success, MLPNN and CNN gave the best results. In terms of running time of algorithms, XGBA is the fastest running algorithm.
Benzer Tezler
- EEG işaretleri kullanılarak epilepsi nöbet tahmin sisteminin fpga tabanlı donanım ile gerçekleştirilmesi
Application of epilepsy seizure prediction system to fpga based hardware using EEG signals
ERCAN COŞGUN
Doktora
Türkçe
2022
Elektrik ve Elektronik MühendisliğiKocaeli ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DOÇ. DR. ANIL ÇELEBİ
PROF. DR. MEHMET KEMAL GÜLLÜ
- Uyku evrelerinin EEG işaretleri kullanılarak sınıflandırılmasında yeni bir yaklaşım
A new approach in sleep stages classification using EEG signals
MURAT YILDIZ
Doktora
Türkçe
2009
Elektrik ve Elektronik MühendisliğiSakarya ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. ETEM KÖKLÜKAYA
- EEG işaretlerinin epileptik nöbet kestiriminde modern yöntemlerle analizi ve sınıflandırılması
The analysis and classification of EEG signals in the epileptic seizure prediction by modern methods
ERHAN BERGİL
Doktora
Türkçe
2018
Elektrik ve Elektronik MühendisliğiSakarya ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. MEHMET RECEP BOZKURT
- Polisomnografi işaretleri kullanılarak yapay sinir ağları ve uyarlamalı sinirsel bulanık mantık sistemi ile uyku ve uyku apnesinin skorlanması
Sleep and sleep apnea scoring with artificial neural networks and adaptive-network-based fuzzy inference systems using polysomnography signals
OSMAN AYDOĞAN
Doktora
Türkçe
2023
Elektrik ve Elektronik MühendisliğiErciyes ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. KERİM GÜNEY
- EEG işaretlerinden duygu kestirimi
Emotion estimation from EEG signals
SÜHEYLA SİNEM UZUN
Yüksek Lisans
Türkçe
2012
BiyomühendislikMustafa Kemal ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. SERDAR YILDIRIM