Evaluation of some neurological disorders by the analysis of EEG signals
EEG sinyallerinin analizi ile bazı nörolojik bozuklukların değerlendirilmesi
- Tez No: 682667
- Danışmanlar: PROF. DR. AYDIN AKAN
- Tez Türü: Doktora
- Konular: Biyomühendislik, Elektrik ve Elektronik Mühendisliği, Nöroloji, Bioengineering, Electrical and Electronics Engineering, Neurology
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: İngilizce
- Üniversite: İzmir Katip Çelebi Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Biyomedikal Teknolojiler Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Epilepsi ve Alzheimer demans, tüm nörolojik bozukluklar arasında oldukça yaygındır. Epilepsi değerlendirmesinde nöbet ve nöbetsiz EEG segmentlerini ayırt etmek için üç farklı yaklaşım sunulmaktadır. İlk yöntemde, epilepsi hastalarından toplanan çok kanallı EEG sinyalleri, Görgül Kip Ayrıştırma (GKA), Grup GKA (GGKA) yöntemleri kullanılarak IMF'lere ayrıştırılır ve ardından gerekli IMF'ler seçilir. Son olarak, seçilen IMF'lerden ve ayrık dalgacık dönüşümü (ADD) katsayılarından zaman ve spektral alan ve doğrusal olmayan özellikler çıkarılır. Dinamik kip ayrıştırma (DKA), akışkan akış analizindeki sorunlara yinelemeli bir çözüm olarak önerilen yeni bir matris ayrıştırma yöntemidir. Epileptik EEG sinyallerinin analizi için tek kanallı ve çok kanallı EEG tabanlı DKA yaklaşımları sunuyoruz. Üçüncü bir yöntem olarak, nöbet ve nöbet öncesi EEG verilerinin Senkronize Sıkma Dönüşümü (SSD) temsillerini kullanıyoruz. Alzheimer demansı (AD) için, kontrol deneklerinin ve AD hastalarının EEG segmentlerini sınıflandırmak için GKA, GGKA ve ADD gibi çeşitli sinyal ayrıştırma yöntemleri ve Kısa Süreli Fourier Dönüşümü (KSFD) ve SSD gibi Zaman Frekans (ZF) temsiline dayalı yaklaşımlar sunulmaktadır. Zaman alanı ve spektral alan özellikleri, seçilen 7 IMF ve ADD'nin 5 detay ve yaklaşıklık katsayıları kullanılarak hesaplanır. SSD ve KSFD yaklaşımları kullanılarak elde edilen ZF yoğunluğu fonksiyonları, kontrol deneklerinin ve AD hastalarının EEG segmentleri arasında ayırt edici bilgiler elde etmek için 18 farklı ZF özniteliğini hesaplamak için kullanılmıştır. Destek Vektör Makinesi (DVM), k-En Yakın Komşu (kEYK), Naive Bayes (NB), Lojistik Regresyon (LR), Yükseltilmiş Ağaçlar (YA), Altuzay kEYK (A- kEYK) ve Rastgele Orman (RO) olmak üzere çeşitli sınıflandırıcı teknikleri farklı grupları ayırt etmek için kullanılmıştır. Simülasyon sonuçları, önerilen yaklaşımların olağanüstü doğrulama oranlarına ulaştığını göstermektedir.
Özet (Çeviri)
Epilepsy and Alzheimer's dementia are highly prevalent among all neurological disorders. In the evaluation of epilepsy, three different approaches are presented to distinguish seizure and seizure-free EEG segments. In the first method, multichannel EEG signals collected from epilepsy patients are decomposed into Intrinsic Mode Functions (IMFs) using Empirical Mode Decomposition (EMD), Ensemble EMD (EEMD) methods, and then essential IMFs are selected. Finally, time- and spectral-domain, and nonlinear features are extracted from selected IMFs and coefficients of discrete wavelet transform (DWT). Dynamic mode decomposition (DMD) is a new matrix decomposition method proposed as an iterative solution to problems in fluid flow analysis. We present single-channel, and multi-channel EEG -based DMD approaches for the analysis of epileptic EEG signals. As a third method, we use the Synchrosqueezing Transform (SST) representations of seizure and pre-seizure EEG data. For Alzheimer's dementia (AD), various signal decomposition methods such as EMD, EEMD, and DWT and Time-Frequency (TF) representation-based approaches such as Short Time Fourier Transform (STFT) and SST are presented to classify EEG segments of control subjects and AD patients. Time-domain and spectral-domain features are calculated using selected 7 IMFs and 5 detail and approximation coefficients of DWT. TF density functions obtained utilizing the SST and STFT approaches are used to calculate 18 different TF features to achieve distinctive information between EEG segments of control subjects and AD patients. Various classification techniques namely Support Vector Machine (SVM), k-Nearest Neighbor (kNN), Naive Bayes (NB), Logistic Regression (LR), Boosted Trees (BT), Subspace kNN (S-kNN), and Random Forest (RF) are utilized to distinguish different groups. Simulation results demonstrate that the proposed approaches achieve outstanding validation accuracy rates.
Benzer Tezler
- Çocuklarda kistik böbrek hastalıklarının demografik özellikleri, klinik ve laboratuvar verilerinin retrospektif değerlendirilmesi
A retrospective evaluation of the demographic characteristics, clinical, and laboratory data of cystic kidney diseases in children
SEREN SATIR BÜLBÜL
Tıpta Uzmanlık
Türkçe
2025
Çocuk Sağlığı ve HastalıklarıAnkara ÜniversitesiÇocuk Sağlığı ve Hastalıkları Ana Bilim Dalı
DOÇ. DR. SONGÜL YILMAZ
- Şizofrenili ve şizoaffektif bozukluklu hasta lenfositlerinde dna hasarı ve tamir etkinliğindeki farklılıkların değerlendirilmesi
Evaluation of differences of dna damage in lymphocytes and repair efficiency in patients with schizophrenia and schizoaffective disorder
OSMAN ZÜLKİF TOPAK
Tıpta Uzmanlık
Türkçe
2017
PsikiyatriPamukkale ÜniversitesiRuh Sağlığı ve Hastalıkları Ana Bilim Dalı
PROF. DR. OSMAN İSMAİL ÖZDEL
- Kalıtsal metabolik hastalıklarda göz bulgularının retrospektif olarak değerlendirilmesi: 13 yıllık merkez deneyimi
Evaluation of ocular findings in inherited metabolic diseases: A 13 year single center experience
BURAK ÖZERDEM
Tıpta Uzmanlık
Türkçe
2025
Çocuk Sağlığı ve HastalıklarıAnkara ÜniversitesiÇocuk Sağlığı ve Hastalıkları Ana Bilim Dalı
PROF. DR. FATMA TUBA EMİNOĞLU
- Dikkat eksikliği hiperaktivite bozukluğu olan öğrencilerin tanılanması, eğitim ihtiyaçlarının belirlenmesi ve öğretim programı tasarısı
Identification of students with attention deficiency hyperactivity disorders, determination of education needs and curriculum design
ÖZNUR DAĞISTANLI CANOĞLU
Yüksek Lisans
Türkçe
2020
Eğitim ve ÖğretimDüzce ÜniversitesiEğitim Bilimleri Ana Bilim Dalı
PROF. DR. ABDURRAHMAN KILIÇ
- Beyin tümörü ameliyatı sonrası semptomlara yönelik belirlenen hemşirelik girişimlerinin uygulanmasına hemşirelere verilen eğitimin etkisi
The effect of training given to nurses applied to nursing interventions regarding symptoms after brain tumor surgery
CANSU KİRMAN