Derin sinir ağlarıyla elektroensefalografi sinyalleri sınıflandırılarak yenidoğanlarda epilepsi tanı yöntemi geliştirilmesi
Development of an epilepsy diagnosġs method in neonates byclassifying electroencephalography signals with deep neuralnetworks
- Tez No: 679887
- Danışmanlar: DR. ÖĞR. ÜYESİ ABDULLAH ÇALIŞKAN
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: Türkçe
- Üniversite: İskenderun Teknik Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Elektrik Elektronik Mühendisliği Bilim Dalı
- Sayfa Sayısı: 56
Özet
Bu tez, yenidoğanlarda nöbet tespit etme sorununu ele almaktadır. Bu tez çalışmasında Alexnet, resnet18, googlenet, densenet ve resnet50 dahil olmak üzere önceden eğitilmiş derin evrişim sinir ağlarını (p-DCNN) mantıklı bir şekilde yeniden yapılandıran bir transfer öğrenme tekniği çalışılmıştır. Bu ağlar, renkli görüntülere dönüştürülen çok kanallı elektroensefalografi (EEG) sinyallerinden yenidoğan nöbeti tespit etmek için kullanılmıştır. Bu sorunu çözmek için, transfer öğrenme tabanlı ağlar yerine doğrudan bir evrişim sinir ağı (CNN) gibi klasik derin bir sinir ağı yapısı (DNN) kullanılabilir. Ancak, bir DNN çok fazla eğitim verisine ihtiyaç duymasının yanında, çok fazla eğitim süresi ve yüksek performanslı hesaplama özelliğine sahip bir bilgisayar gerektirir. DNN'de ayrıca istenen sınıflandırma başarısını elde etmek için ayarlanması gereken kullanıcı tarafından belirlenmesi gerekli olan çok sayıda parametre vardır. Bu dezavantajları önlemek için, yenidoğan nöbet tespit problemini çözmek amacıyla bir transfer öğrenme tekniği önerilmiştir. Simülasyonların sonuçları ve istatistiksel analizler, nöbet tespiti için kullanılabilecek bir transfer öğrenme tekniğinin etkinliğini göstermiştir.
Özet (Çeviri)
The paper considers the problem of detecting neonatal seizures via a transfer learning technique that judiciously reconstructs pretrained deep convolution neural networks (p-DCNN), including alexnet, resnet18, googlenet, densenet and resnet50 in this thesis. These networks are utilized to detect neonatal seizure from multi channel electroencephalography (EEG) signals converted to color images. To handle this problem, it may be directly used a deep neural network (DNN) such as a convolution neural network (CNN) instead of transfer learning based networks. However, a DNN requires too much training data, too much training time and a computer with high performance computational capability. The DNN also has a number of user supplied parameters that must be tuned to obtain desirable classication success. In order to prevent these drawbacks, we proposed a transfer learning technique to solve neonatal seizures detection problem. The results of simulations and the statistical analysis enable us to devise a transfer learning technique that can be employed for seizure detection.
Benzer Tezler
- Classification of ten different motor imagery eeg signals by using deep neural networks
On farklı motor hareket hayaline ait eeg işaretlerinin derin sinir ağları ile sınıflandırılması
NURİ KORHAN
Doktora
İngilizce
2023
Mekatronik Mühendisliğiİstanbul Teknik ÜniversitesiMekatronik Mühendisliği Ana Bilim Dalı
PROF. DR. ZÜMRAY ÖLMEZ
- Electroencephalography (EEG) sinyal sınıflandırılmasında sinir-evrimi yaklaşımı
NeuroEvolutionary approach to electroencephalography (EEG) signal classification
ERDEM AYBEK
Yüksek Lisans
Türkçe
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolPamukkale ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. MERİÇ ÇETİN
- Social media image classification using deep convolutional neural networks
Derin konvolüsyonel sinir ağlarıyla sosyal medya resimleri sınıflandırması
ÇAĞRI UTKU AKPAK
Yüksek Lisans
İngilizce
2017
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolOrta Doğu Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. FERDANUR ALPASLAN
- Solunum seslerinin evrişimsel sinir ağlarıyla sınıflandırılması
Classification of lung sounds with convolutional neural networks
FUNDA CİNYOL
Doktora
Türkçe
2022
Elektrik ve Elektronik MühendisliğiHacettepe ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. UĞUR BAYSAL
- Speaker adaptation with deep learning for text-to-speech synthesis systems
Metinden konuşma sentezi sistemleri için derin öğrenme ile konuşmacı uyarlama
ERAY EREN
Yüksek Lisans
İngilizce
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolÖzyeğin ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
DOÇ. DR. CENK DEMİROĞLU