EEG sinyalleri ile epilepsi krizinin tahminlenmesinde rassal orman algoritması ile hiper parametre optimizasyonun uygulanması
Implementation of hyper parameter optimization with random forest algorithm for the estimation of the epileptic seizures with EEG signals
- Tez No: 668166
- Danışmanlar: DR. ÖĞR. ÜYESİ MUSTAFA CEM KASAPBAŞI
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: Türkçe
- Üniversite: İstanbul Ticaret Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Bilgisayar Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 53
Özet
Dünyadaki 50 milyondan fazla kişiden oluşan tüm nüfusun yaklaşık %1'i epilepsi ve epileptik nöbetlerden etkilenmektedir. Epileptik nöbetler, beynin elektriksel aktivitesindeki bir rahatsızlıktan kaynaklanır. Epilepsi nöbetinin saptanması genellikle elektroensefalografik (EEG) sinyal incelendikten sonra uzman görüşü tarafından gerçekleştirilir. Bu manuel bir süreçtir ve büyük ölçüde doktorun uzmanlığına dayanır. Bu nedenle, doktorların daha az hatayla teşhis koymasına yardımcı olmak için otomatik tanı veya yardım sistemleri gereklidir. Bu çalışmada, epileptik nöbetlerin varlığını sınıflandırmak için iyi bilinen bir veri kümesi kullanılmıştır. Veri setinin farklı konfigürasyonları literatürde bir kısmı Lojistik Regresyon, Dalgacık yöntemi, Karar Ağacı, Destek Vektör Makinesi, Yoğun Sinir Ağları, vb. birçok veri madenciliği ve makine öğrenme algoritması ile incelenmiştir. İyi tanı beklentisini karşılamak için Rassal Orman kullanılarak sınıflandırma modeli geliştirilmiştir ve sonuçlar aynı veri seti üzerinde incelenen farklı yöntemlerle karşılaştırılmıştır. Çalışılan deneylerin bazı vakalarında %99,78 oranında doğruluk, %99,95 özgüllük ve %99,61 hassasiyet elde edilmiştir ve sonuçlar modelinin başarılı şekilde sınıflandırdığını göstermektedir.
Özet (Çeviri)
About %1 of the whole population of the world which constitutes more than 50 million people are affected by epilepsy and epileptic seizures. Epileptic seizures are caused by a disturbance in the electrical activity of the brain. Detecting epileptic seizure is generally carried out by the expert opinion after examining the electroencephalographic (EEG) signal. This is a manual process and heavily relies on the expertise of the physician. Therefore automated diagnosis or aiding systems are required to assist physicians to diagnose with fewer errors. In this study, a well known dataset is used for classifying the existence of epileptic seizures. Different configurations of the data set have been studied with many data mining and machine learning algorithms in the literatüre, some of which are Logistic Regression, Wavelet Method, Decision Tree, Support Vector Machine, Dense Neural networks, etc.. In this study, a classification model was developed by using Random Forest to meet the good diagnosis expectation, and results were compared with different methods studied on the same data set. In some cases of the studied experiments above 99,78 percent of accuracy, 99,95% specificity, and 99,61% sensitivity are obtained, indicating a good sign of classification model.
Benzer Tezler
- Eeg sinyalleri ile cihaz kontrolü
Device control with eeg signals
HARUN ÇİĞ
Yüksek Lisans
Türkçe
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİnönü ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. DAVUT HANBAY
- 1D ve 2D cnn derin öğrenme algoritmaları ile eeg sinyallerinden nörolojik hastalık tespiti
Neurological disease detection from eeg signals with 1d and 2d cnn deep learning algorithms
BAHADIR ARABACI
Yüksek Lisans
Türkçe
2024
Elektrik ve Elektronik MühendisliğiBolu Abant İzzet Baysal ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. KEMAL POLAT
DR. ÖĞR. ÜYESİ HAKAN ÖCAL
- Akıllı EEG tasarımı
Başlık çevirisi yok
İBRAHİM DURSUN
Yüksek Lisans
İngilizce
2021
Elektrik ve Elektronik MühendisliğiDicle ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET AKIN
- Öznitelik çıkarım ve evrimsel öznitelik seçim metotlarının EEG sinyallerinin sınıflandırma başarısına etkileri
Effects of feature extraction and differential evolution feature selection methods on classification success of EEG signals
FERDA ABBASOĞLU
Yüksek Lisans
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFatih Sultan Mehmet Vakıf ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ AYLA GÜLCÜ
DR. ÖĞR. ÜYESİ ULVİ BAŞPINAR
- Evaluation of some neurological disorders by the analysis of EEG signals
EEG sinyallerinin analizi ile bazı nörolojik bozuklukların değerlendirilmesi
ÖZLEM KARABİBER CURA
Doktora
İngilizce
2021
Biyomühendislikİzmir Katip Çelebi ÜniversitesiBiyomedikal Teknolojiler Ana Bilim Dalı
PROF. DR. AYDIN AKAN