Epileptik preiktal aktivitelerin EEG-Aura tabanlı evrişimsel sinir ağları ve topoğrafik haritalama yaklaşımı ile değerlendirilmesi
Evaluation of epileptic preictal activities by EEG-Aura based convolutional neural networks and topographic mapping approach
- Tez No: 664812
- Danışmanlar: PROF. DR. MEHMET SİRAÇ ÖZERDEM
- Tez Türü: Doktora
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2020
- Dil: Türkçe
- Üniversite: Dicle Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 140
Özet
Bu tez çalışmasında, medikal alanda tanımlanan epileptik auralardan esinlenerek, nöbet öncesi uyarı semptomlarının EEG işareti üzerine yansımaları derin evrişimsel sinir ağları (ESA) ile değerlendirilmiş ve preiktal dönem için EEG-Aura yaklaşımı öne sürülmüştür. Değerlendirme işlemi, üç aşamada gerçekleştirilmiştir. Bu aşamalar sırasıyla hastaya özgü EEG-Aura süreci tespiti, EEG-Aura sürecinde etkin frekans bant analizi ve EEG-Aura sürecinde meydana gelen sistematik değişimlerin beyin yüzeyindeki yansımalarının haritalandırılmasından oluşmaktadır. Epilepsi, beyin içerisinde hipersenkronize deşarjlara bağlı olarak tekrar eden nöbetlere neden olan ve gerçekleşen bu nöbetler neticesinde nörobiyolojik, kognitif, psikolojik ve sosyal sonuçlarla tanımlanan kronik bir bozukluktur. Epilepsi hastalığının genel olarak belirsiz doğası ve nöbetlerin çoğu zaman önceden kestirilememesi, bu hastalığa maruz kişilerin yaşam kalitelerine ket vurmaktadır. Gerçekleşecek herhangi bir nöbetin önceden kestirilmesi açısından diğerlerine göre şanslı sayılabilecek hastalar mevcuttur. Bunlar, epileptik auralara sahip hastalardır. Retrospektif bir his olan auralar ile hastalar tarafından bazı konvulsif nöbetlerin önceden kestirimi yapılabilir. Bu çalışmada, epilepsi tanısında ve ameliyat öncesi değerlendirilmesinde uygulanan ana yöntemlerden biri olan elektroensefalografi (EEG) işaretlerindeki potansiyel aura fenomenlerinin yansımaları incelenmiş ve hastaya özgü EEG-Aura süreçleri belirlenmiştir. EEG-Aura sürecinin belirlenmesinin yanı sıra söz konusu süreçte etkin frekans bandı analizi ve frekans bantlarına ilişkin aktivitelerin topoğrafik haritalandırılması da yapılmıştır. Hastaya özgü EEG-Aura süreci tespitinde, bir boyutlu EEG işaretleri kısa zaman Fourier dönüşümü (KZFD) tabanlı spektrogram ve sürekli dalgacık dönüşümü (SDD) tabanlı skalogram görüntü formunda temsil edilmiştir. Böylelikle, beynin elektriksel aktivitelerinin zamana göre aldığı genlik değerlerini yansıtan EEG işaretleri zaman-frekans alanında enerji yoğunluk fonksiyonları türünden temsil edilerek, uzamsal boyutları artırılmıştır. Görüntü formunda temsil edilen EEG işaretlerine önerilen ESA algoritması uygulanarak, epileptik nöbet öncesi meydana gelen sistematik değişimler tanımlanmış ve her hasta için öznel EEG-Aura süreci tespit edilmiştir. Ayrıca, EEG-Aura tespitinde spektrogram ve skalogram tabanlı elde edilen performanslar karşılaştırılmıştır. Değerlendirilmeye alınan bütün hastalar dikkate alındığında, her iki yöntem için belirlenen hastaya özgü EEG-Aura süreçleri arasında tutarlılık olduğu gözlemlenmiştir. Bütün hastalar için elde edilen bulgular dikkate alındığında, nöbet öncesi 2. dakikadan, 3. dakikaya kadar geçen süreyi kapsayan bir dakikalık zaman aralığının nöbet öncesi sistematik değişimlerin tespiti için en yüksek ortalamaya ve en düşük varyansa sahip olduğu belirlenmiştir. EEG-Aura süreci için ortalama başarı doğruluk, özgüllük, duyarlılık, kesinlik ve f-skor model başarım ölçütleri türünden değerlendirilmiştir. Spektrogram ve skalogram tabanlı ESA modeli ile EEG-Aura tespitinde ortalama doğruluk değerleri, sırasıyla %90.81 ± 5.60 ve %90.55 ± 5.40 olarak elde edilmiştir. EEG-Aura sürecinde etkin frekans bandı analizinde, farklı frekans batlarının ayrı bir şekilde değerlendirilmesi ile sınıflandırma aşamasında baskın frekans aralıkları belirlenmeye çalışılmıştır. Ayrıca, etkin frekans bant tespitinde, spektrogram ve skalogram görüntülerine ilişkin elde edilen bulgular karşılaştırılmıştır. EEG-Aura süreci için 0.5-30Hz ve gama bant aktivitelerinin başarılı bir performans sergileyerek, etkin frekans aralıkları olarak değerlendirilebileceği gözlemlenmiştir. 0.5-30Hz ve gama bandı için spektrogram ve skalogram tabanlı ortalama sınıflandırma doğrulukları sırasıyla %94.09 ± 5.77, % 97.42 ± 2.48 ve %97.26 ± 3.39, %96.62 ± 3.57 olarak elde edilmiştir. EEG-Aura sürecinde meydana gelen nörofizyolojik değişimlerin beyin yüzeyindeki yansımaları topoğrafik haritalandırılarak, değişimlerin vuku bulduğu beyin bölgeleri de belirlenmiştir. Bütün hastalar için elde edilen bulgular irdelendiğinde, alçak frekanslı aktivitelerin genel olarak frontal lobda etkinlik gösterdiği, yüksek frekanslı aktivitelerin ise temporal lobda etkinlik gösterdiği gözlemlenmiştir. Ancak, epileptik aura ile EEG-Aura ilişkisinin irdelenmesi için yansımaların hastaya özgü olarak ele alınması gerekmektedir. Bu tez çalışmasında önerilen özgün yaklaşım tabanlı preiktal aktivitelerin kapsamlı olarak değerlendirilmeye alınması ile elde edilen bulguların özellikle nöbet tahmin çalışmaları için önemli bir referans niteliğinde olacağı düşünülmektedir. Ayrıca, önerilen model aracılığıyla medikal tedavi yöntemlerine cevap vermeyen epilepsi hastalarının hayata daha konforlu bir şekilde entegre olacakları sistemlerin geliştirilebileceği öngörülmektedir.
Özet (Çeviri)
In this thesis study, inspired by the epileptic auras defined in the medical, the reflections of pre-seizure warning symptoms on the EEG signal were evaluated with deep convolutional neural networks (ESA) and the EEG-Aura approach was proposed for the preictal period. The evaluation process was carried out in three stages. These stages consist of detection of the patient-specific EEG-Aura period, active frequency band analysis in the EEG-Aura period, and mapping the reflections on the brain surface of the systematic changes occurring in the EEG-Aura period. Epilepsy is a chronic disorder that causes recurrent seizures due to hyper-synchronous discharges in the brain and is defined with neurobiological, cognitive, psychological, and social consequences as a result of these seizures. The generally uncertain nature of epilepsy and the often unpredictability of seizures hamper the quality of life of those exposed to this disease. Some patients may be considered fortunate compared to others in terms of predicting any seizures that will occur. These are patients with epileptic auras. Patients can predict some convulsive seizures by auras that is a retrospective feel. In this study, the reflections of potential aura phenomena in electroencephalography (EEG) signals, which is one of the main methods used in the diagnosis of epilepsy and pre-surgical evaluation, were examined and patient-specific EEG-Aura periods were determined. In addition to the determination of the EEG-Aura period, effective frequency band analysis and topographic mapping of the sub band activities were also performed. In determining the patient-specific EEG-Aura, one-dimensional EEG signals were represented in short-time Fourier transform (STFT) based spectrogram and continuous wavelet transform (CWT) based scalogram image form. Thus, EEG signals reflecting the amplitude values of the electrical activities of the brain over time are represented in the time-frequency domain in terms of energy density functions, and their spatial dimension has been increased. By applying the proposed ESA algorithm to the EEG signals represented in the image form, the systematic changes occurring before the epileptic seizure were defined and the subjective EEG-Aura period was determined for each patient. Also, spectrogram and scalogram based performances were compared in EEG-Aura detection. Considering all patients evaluated, consistency was observed between the patient-specific EEG-Aura periods determined for both methods. Considering the results obtained for all patients, it was determined that the 1-min interval covering the time from the second minute to the third minute before the seizure had the highest mean and the lowest variance to determine the systematic changes before the seizure. The overall success for the EEGAura period was evaluated in terms of accuracy, specificity, sensitivity, precision, and f-score model performance criteria. The average accuracy values in EEG-Aura detection with spectrogram and scalogram based ESA model was obtained as 90.81 ± 5.60% and 90.55 ± 5.40%, respectively. In the frequency band analysis in the EEG-Aura period, it was tried to determine the powerful frequency range in the classification stage by evaluating different frequency bands separately. Also, in determining the effective frequency band, the findings obtained regarding spectrogram and scalogram images were compared. For the EEG-Aura period, it has been observed that 0.5-30Hz and gamma-band activities can exhibit a successful performance and these frequency dynamics evaluated as effective frequency ranges. For 0.5-30Hz and gamma band, spectrogram and scalogram based average classification accuracies were 94.09 ± 5.77%, 97.42% ± 2.48 and 97.26 ± 3.39%, 96.62 ± 3.57%, respectively. The reflections of the neurophysiological changes occurring in the EEG-Aura period on the brain surface were mapped topographically and the brain regions where the changes occurred were determined. When the findings obtained for all patients were examined, it was observed that their low-frequency activities were generally effective in the frontal lobe, while high-frequency activities were effective in the temporal lobe. However, to examine the relationship between epileptic aura and EEG-Aura, reflections have to be handled patient-specific. It is considered that the findings obtained by comprehensively evaluating the novel approach-based preictal activities proposed in this thesis will be an important reference, especially for seizure prediction studies. Also, with the proposed model, it is predicted that systems can be developed in which epilepsy patients who do not respond to medical treatment methods will integrate more comfortably into life.
Benzer Tezler
- MFCC destekli makina öğrenmesi algoritmaları ile fokal/non-fokal EEG kayıtlarının sınıflandırılması
Focal/non-focal EEG records classification with MFCC based machine learning algorithms
DELAL ŞEKER
Yüksek Lisans
Türkçe
2021
Elektrik ve Elektronik MühendisliğiDicle ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET SİRAÇ ÖZERDEM
- 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
- Epileptik ve psikojen nonepileptik hastaların nöbet semiyolojilerinin tanımlanması ve preiktal-erken postiktal dönemde nöropsikolojik değerlendirilmeleri
Seizure semiologies of epileptic and psychogenic nonepileptic patients and neuropsychological evaluations in the preictal- early postictal period
AYŞEGÜL ÖZER ÇELİK
Tıpta Uzmanlık
Türkçe
2011
NörolojiDokuz Eylül ÜniversitesiNöroloji Ana Bilim Dalı
PROF. DR. BARIŞ BAKLAN
- Epileptic seizure detection with power spectral density method
Güç spektral yoğunluğu yöntemi ile epileptik nöbet tespiti
RABİA TUTUK
Yüksek Lisans
İngilizce
2022
Nörolojiİnönü ÜniversitesiBiyomedikal Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ REYHAN ZENGİN
- Nöbet semiyolojisinde preiktal ve iktal bulguların özellikleri, habituel nöbetler ile video EEG'deki nöbetlerin karşılaştırılması
Preictal and ictal findings at seizure semiology, compared between habitual seizures and seizures in video-EEG
MUHARREM ANIL GÜRKAN
Tıpta Uzmanlık
Türkçe
2014
NörolojiDokuz Eylül ÜniversitesiNöroloji Ana Bilim Dalı
PROF. DR. BARIŞ BAKLAN