Geri Dön

Alternatif makine öğrenmesi teknikleriyle epileptik EEG zaman serilerinin sınıflandırılması

Classification of epileptic EEG time series with alternativemachine learning techniques

  1. Tez No: 663357
  2. Yazar: BEYDA ÇAĞLIYAN
  3. Danışmanlar: DOÇ. DR. UTKU KÖSE
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2021
  8. Dil: Türkçe
  9. Üniversite: Süleyman Demirel Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 92

Özet

Beynin çeşitli bozukluk durumlarının incelenmesi, farklı aktivitelerinin modellenmesinde önemli ölçüde rol oynayan EEG sinyalleri, dünya çapında 50 milyona yakın insanı etkileyen halk arasında sara hastalığı olarak da bilinen epilepsi hastalığının teşhisinde en önemli bilgi kaynağı haline gelmiştir. Uyku halinde veya uyanıkken beynin değişen elektriksel faaliyetlerinin belirli standartlar altında kaydedilmesini sağlamıştır. EEG sinyallerinin analizinde otomasyon ve bilgisayar tekniklerine duyulan ihtiyacın günümüzde artar hale gelmesinin sebebi biyomedikal alanda daha objektif bir değerlendirme yapılabileceğinden kaynaklanmaktadır. Tez çalışmasında EEG sinyalleri, 500 farklı kişi bilgisinden oluşan bir zaman serisi verisi olarak kullanılmıştır. Bu veri seti bireylerin beyinlerinin farklı noktalarından alınarak oluşturulan ve bireyler farklı durumlardayken kaydedilen epileptik EEG verileridir. Bu kapsamda epileptik EEG zaman serisi verilerinin çeşitli makine öğrenmesi teknikleri yardımıyla sınıflandırılması gerçekleştirilmiştir. Metod olarak; temel yapay sinir ağı algoritması, çok katmanlı algılayıcı, k-en yakın komşu algoritması, lineer diskriminant analiz algoritması, rastgele orman algoritması ve tek boyutlu evrişimsel sinir ağı teknikleri kullanılmıştır. Yapılan çalışmalar sonucunda sınıflama üzerine etkisi incelenen tekniklerden en yüksek başarının derin öğrenme algoritması ile sağlandığı görülmüştür. YSA %76.39, MLP %96.26, CNN %99.88, K-NN %93.30, LDA %82.13 ve son olarak RF'den %94.30 sınıflandırma başarımı elde edilmiştir.

Özet (Çeviri)

EEG signals, which play an important role in the research of various disorders and modeling different activities of the brain, have become the most important source of information in the diagnosis of epilepsy is known as sara, which affects nearly 50 million people worldwide. It enabled to be recorded the changing electrical activity of the brain during sleep or awake under certain standards. The increasing need for automation and computer techniques for the analysis of EEG signals is due to the fact that a more objective evaluation in the biomedical field. In this thesis, EEG signals were used as a time series data consisting of 500 different person information. This data set is the epileptic EEG data created from different points of the individuals' brains and recorded when the individuals are in different situations. In this context, the classification of epileptic EEG time series data through various machine learning techniques was carried out. Basic artificial neural network algorithm, multilayer perceptron, k-nearest neighbors algorithm, linear discriminant analysis algorithm, random forest algorithm and one dimensional convolutional neural network techniques are used. As a result of the studies, it was seen that the highest success was achieved with the deep learning algorithm among the techniques that effects on classification were examined. Classification success was achieved with YSA 76.39%, MLP 96.26%, CNN 99.88%, K-NN 93.30%, LDA 82.13% and finally 94.30% from RF.

Benzer Tezler

  1. Kütüphane danışma sorularının makine öğrenmesi yaklaşımıyla yanıtlanması: Akademik veri tabanları üzerine bir çalışma

    Answering library consultation questions with a machine learning approach: A study on academic databases

    ERTUĞRUL BURAK EROĞLU

    Doktora

    Türkçe

    Türkçe

    2024

    Bilgi ve Belge YönetimiÇankırı Karatekin Üniversitesi

    Bilgi ve Belge Yönetimi Ana Bilim Dalı

    DOÇ. DR. KASIM BİNİCİ

  2. Evrişimsel sinir ağları ve çekirge optimizasyon algoritması kullanarak kolon kanser hastalığı tesbiti

    Colon cancer disease diagnose with convolutional neural network and grasshopper optimization algorithm

    AMNA ALI A MOHAMED

    Doktora

    Türkçe

    Türkçe

    2024

    Mühendislik BilimleriKastamonu Üniversitesi

    Malzeme Bilimi ve Mühendisliği Ana Bilim Dalı

    PROF. DR. AYBABA HANÇERLİOĞULLARI

  3. Rastgele yönlendirilmiş karbon nanotüp takviyeli kompozitlerin modellenmesi

    Modelling of randomly oriented carbon nanotube reinforced composites

    EMRE KÖROĞLU

    Doktora

    Türkçe

    Türkçe

    2022

    Uçak Mühendisliğiİstanbul Teknik Üniversitesi

    Uçak ve Uzay Mühendisliği Ana Bilim Dalı

    PROF. DR. HALİT SÜLEYMAN TÜRKMEN

  4. Development of operation and maintenance strategies for offshore wind industry based on big data management

    Büyük veri yönetimi ile açık deniz rüzgar endüstrisinde işletme ve bakım stratejilerinin geliştirilmesi

    UWE LUETZEN

    Doktora

    İngilizce

    İngilizce

    2024

    Enerjiİstanbul Teknik Üniversitesi

    Gemi ve Deniz Teknoloji Mühendisliği Ana Bilim Dalı

    PROF. DR. SERDAR BEJİ

  5. Development of a machine learning platform for analysis of mitochondrial features in live-cell images

    Canlı hücre görüntülerinde mitokondri özniteliklerinin analizi için makina öğrenmesi platformu geliştirilmesi

    YALÇIN TARKAN

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİzmir Yüksek Teknoloji Enstitüsü

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. SERDAR ÖZÇELİK