Çok kanallı iEEG sinyallerinin evrişimsel sinir ağlarıyla analizi
Analysis of multi-channell iEEG signals with convolutional neural networks
- Tez No: 704986
- Danışmanlar: DR. ÖĞR. ÜYESİ MUHAMMET ALİ ARSERİM
- Tez Türü: Doktora
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2021
- Dil: Türkçe
- Üniversite: Dicle Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 80
Özet
EEG, beyin aktivitesi hakkında bilgi içerdiğinden ve beyin aynı zamanda kişinin merkezi karar organı olduğundan, analizi özellikle önemlidir. Nöral aktivitenin çoğu beyinde gerçekleşir. Beyindeki faaliyetleri ne kadar anlarsak bilinç, hafıza, zekâ gibi kavramlar da o kadar iyi anlaşılır ve yorumlanır. Bu bağlamda beynin önemi her geçen gün artmaktadır. Elektroansefalogram (EEG), beyindeki nöronların aktivasyonu sonucu oluşan kafatasından gelen sinyallerin ölçülmesini ifade eder. iEEG bir tür EEG'dir, ancak iEEG doğrudan beynin yüzeyinden yapılan ölçümü ifade eder. Bu çok kanallı bir ölçüm olduğundan, beynin yüzeyine ulaşan bilgilerin daha da kesin algılanmasına yol açar. Ancak, bu durumda daha fazla parametre üretildiğinden veri kalabalığı anlamına gelir. Bu çalışmada, epileptik intrakraniyal EEG (iEEG) sinyallerinin nöbet öncesi (preiktal), nöbet anı (iktal) ve nöbet sonrası (postiktal), beyin dinamiklerinin teşhis ve erken tanı sistemlerinin gelişimine katkıda bulunabilmek ve iEEG sinyallerinin patolojik durumlarının tespitine dayanak oluşturacak sonuçlara ulaşmak amacıyla, düşük frekanslı skalogramlara, Evrişimsel Sinir Ağları (ESA) metodu uygulanmıştır. Bu çalışma kapsamında epileptik deneklerden elde edilen iEEG verisi öncelikle dalgacık dönüşümüyle altbantlarına ayrıştırılmış daha sonra bu beş altbanda (delta, teta, alfa, beta ve gama) Shannon entropi uygulanmıştır. Elde edilen sonuçlardan delta altbant entropi değerlerinin diğer altbant entropi değerlerinden daha düşük olduğu görülmüştür. Entropi değerinin düşük olması verinin daha az düzensiz ve kaotik olduğu anlamına gelir. Verinin daha az düzensiz ve kaotik olması, daha iyi öngörülebilirlik anlamını taşır. Bu bağlamda, düşük frekanslı delta altbandının nöbet öncesi, nöbet anı ve nöbet sonrasının skalogram görüntüleri elde edilmiş ve ESA yöntemiyle eğitilmiş ve yapılan testte % 93,33 doğruluk oranı elde edilmiştir.
Özet (Çeviri)
Since EEG contains information about brain activity, and the brain is also the central decision organ of a person, its analysis is of particular importance. Most of the neural activity takes place in the brain. As much as we understand the activities in the brain, concepts such as consciousness, memory, and intelligence are better understood and interpreted. Within this context, the importance of the brain is increasing every day. Electroencephalogram (EEG) refers to the measurement of signals from the skull formed due to the activation of neurons in the brain. iEEG is a type of EEG, but iEEG refers to measurement directly from the surface of the brain. Since this is a multi-channel measurement, it leads to an even more precise perception of information reaching the brain's surface. However, this means a data crowd, as more parameters are generated. In this study, in order to contribute to the development of the diagnosis and early diagnosis systems of epileptic intracranial EEG (iEEG) signals before seizure (preictal), during seizure (ictal) and after seizure (postictal), brain dynamics and to reach results that will form the basis for the detection of pathological conditions of IEEG signals. Convolutional Neural Networks (CNN) method was applied to low frequency scalograms. Within the scope of this study, IEEG data obtained from epileptic subjects was first decomposed into subbands by wavelet transform, and then Shannon entropy was applied to these five subbands (delta, theta, alpha, beta and gamma). From the results obtained, it was seen that the delta subband entropy value was lower than the other subband entropy values. A lower entropy value means that the data is less disordered and chaotic. Less disorganized and chaotic data means better predictability. In this context, scalogram images of the low-frequency delta subband before, during and after seizure were obtained and trained with the CNN method, and an accuracy rate of 93.33% was obtained in the test.
Benzer Tezler
- Classification of the motor EEG signals by using deep neural networks
Derin sinir ağları kullanarak motor EEG sinyallerinin sınıflandırılması
LEYLA ABILZADE
Yüksek Lisans
İngilizce
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilişim Uygulamaları Ana Bilim Dalı
PROF. DR. TAMER ÖLMEZ
- Multi-channels deep convolution neural network for early classification of multivariate time series
Çok kanallı derin dönüşümerken sinir ağıçok değişkenli zaman sınıflandırmasıdiziler
AHMED MUAYAD QADER QADER
Yüksek Lisans
İngilizce
2022
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş ÜniversitesiBilişim Teknolojileri Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. AYÇA KURNAZ TÜRKBEN
- Design and implementation of an embedded system architecture for multichannel biomedical signal acqusition
Çok kanallı biyomedikal sinyal alıcı için gömülü sistem mimarisi tasarımı ve gerçekleştirilmesi
İSMAİL HAKKI KÖSE
Yüksek Lisans
İngilizce
2011
Elektrik ve Elektronik MühendisliğiFatih ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. ONUR TOKER
- Çok kanallı biyomedikal ölçüm sistemi tasarımı
Multi channel biomedical measurement system design
HALİL İBRAHİM BAYKOCA
Yüksek Lisans
Türkçe
2018
Elektrik ve Elektronik MühendisliğiAbant İzzet Baysal ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. KEMAL POLAT
- Çok kanallı ortamlarda gürültü azaltma
Noise reduction in multichannel medium
RAMAZAN ÇOLAK
Yüksek Lisans
Türkçe
2019
Elektrik ve Elektronik MühendisliğiTekirdağ Namık Kemal ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DOÇ. DR. RAFET AKDENİZ