Geri Dön

Evaluation of some neurological disorders by the analysis of EEG signals

EEG sinyallerinin analizi ile bazı nörolojik bozuklukların değerlendirilmesi

PDF İndir

  1. Tez No: 682667
  2. Yazar: ÖZLEM KARABİBER CURA
  3. Danışmanlar: PROF. DR. AYDIN AKAN
  4. Tez Türü: Doktora
  5. Konular: Biyomühendislik, Elektrik ve Elektronik Mühendisliği, Nöroloji, Bioengineering, Electrical and Electronics Engineering, Neurology
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2021
  8. Dil: İngilizce
  9. Üniversite: İzmir Katip Çelebi Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Biyomedikal Teknolojiler Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 194

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

  1. Tez No

    248184

    Bazı hidroksipiron türevi Mannich bazlarının tasarımı, sentezi ve biyolojik aktivitelerinin değerlendirilmesi

    Design, synthesis and evaluation of biological activities of some hydroxypyrone derivatives of Mannich bases

    GÜLŞAH DEMİRYÜREK

    Yüksek Lisans

    Türkçe

    Türkçe

    2010

    Eczacılık ve FarmakolojiHacettepe Üniversitesi

    Farmasötik Kimya Ana Bilim Dalı

    DOÇ. DR. MUTLU DİLSİZ AYTEMİR

  2. Tez No

    55961

    Biyomagnetik olaylar

    Başlık çevirisi yok

    M.TOGAN ÇANDIR

    Yüksek Lisans

    Türkçe

    Türkçe

    1996

    Elektrik ve Elektronik Mühendisliğiİstanbul Teknik Üniversitesi

    PROF.DR. İNCİ AKKAY

  3. Tez No

    474634

    İnternet oyunu oynama bozukluğu olan çocuk ve ergenlerde ebeveyn tutumunun incelenmesi

    Analysis of parental attitude in child and adolescents with internet gaming disorder

    ESRA BULANIK KOÇ

    Tıpta Uzmanlık

    Türkçe

    Türkçe

    2017

    PsikiyatriSağlık Bilimleri Üniversitesi

    Çocuk ve Ergen Psikiyatrisi Ana Bilim Dalı

    DOÇ. DR. GÜL KARAÇETİN

  4. Tez No

    539356

    Gait analysis and fall risk assessment with wearable inertial sensors

    Giyilebilir hareket algılayıcıları ile yürüme analizi ve düşme riski değerlendirmesi

    CAN TUNCA

    Doktora

    İngilizce

    İngilizce

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBoğaziçi Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    PROF. DR. CEM ERSOY

  5. Tez No

    616335

    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

    Türkçe

    2020

    Eğitim ve ÖğretimDüzce Üniversitesi

    Eğitim Bilimleri Ana Bilim Dalı

    PROF. DR. ABDURRAHMAN KILIÇ

Geri Dön