Predicting epileptic seizures of pediatric patients using phase-amplitude coupling and deep learning
Pediatrik hastaların epileptik nöbetlerini faz-genlik bağlanım ve derin öğrenme kullanarak tahmin etme
- Tez No: 768221
- Danışmanlar: PROF. DR. AHMET ADEMOĞLU
- Tez Türü: Yüksek Lisans
- Konular: Bilim ve Teknoloji, Biyomühendislik, Mühendislik Bilimleri, Science and Technology, Bioengineering, Engineering Sciences
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2022
- Dil: İngilizce
- Üniversite: Boğaziçi Üniversitesi
- Enstitü: Biyo-Medikal Mühendislik Enstitüsü
- Ana Bilim Dalı: Biyomedikal Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Biyomedikal Bilimler ve Mühendislik Bilim Dalı
- Sayfa Sayısı: 84
Özet
Epilepsi, dünyadaki en yaygın nörolojik bozukluklardan biridir. Her bin çocuktan dördü ila altısı arasında epilepsi hastası olduğu tahmin edilmektedir. Nöbet aktivitesini görsel olarak teşhis etmek tıp uzmanları için zor olabilir çünkü bunu doğru bir şekilde yapmak çok fazla gözlem ve uygulama gerektirir. Derin öğrenme teknolojisindeki son gelişmeler, nöbet aktivitesine ilişkin hatalı teşhislerin çok daha az sıklıkta ortaya çıkmasını ve bir nöbetin ne zaman gerçekleşeceğini tahmin etmek için önemli ölçüde daha az zamana ihtiyaç duyulmasını sağlamıştır. Bu çalışma, kafa derisi Elektroensefalogramından (EEG) toplanan çapraz frekans bağlanımını ve derin sinir ağı mimarileri içinde transfer öğrenmeyi kullanarak mevcut ölçümleri geliştirir. Çalışmamızı, katılımcı olarak 23 çocuğu içeren CHB-MIT veri setinden elde edilen verileri kullanarak gerçekleştirdik. İlk deneyde, veri setinden 18 kanalın hepsini seçtik; ikincisinde, onu sadece bire indirdik. İnce ayar, ilk deneyin doğruluğunu %87.21'e ve ikinci deneyin doğruluğunu %96.82'ye yükseltti. Faz-genlik bağlanımının görüntüleri, VGG-19 mimarisine beslendiğinde bir sonraki nöbetin tahmin edilmesine yardımcı oldu. Modellerin etkinliğini değerlendirmek için çeşitli testler kullanıldı. Derinlemesine analizler yapıldı ve raporlandı.
Özet (Çeviri)
Epilepsy is one of the most prevalent neurological disorders in the world. It is estimated that between four and six children out of every thousand suffer from epilepsy. Visually diagnosing seizure activity can be challenging for medical professionals because doing so correctly requires a great deal of observation and practice. Recent developments in deep learning technology have made it so that erroneous diagnoses of seizure activity are occurring much less frequently and that significantly less time is needed to forecast when a seizure will occur. This study improves upon existing metrics by utilizing cross-frequency coupling gleaned from scalp electroencephalogram (EEG) and transfer learning inside deep neural network architectures. We conducted our study using data from the CHB-MIT dataset, which included 23 children as participants. In the first experiment, we culled all 18 channels from the dataset; in the second, we narrowed it down to just one. Fine-tuning boosted the accuracy of the first experiment to 87.21%, and the accuracy of the second experiment to 96.82%. Images of the phase-amplitude coupling help predict the next seizure when fed into the VGG-19 architecture. Several tests are used to assess the models' efficacy. In-depth analyses are performed and reported on.
Benzer Tezler
- Monoterapi ve politerapi antiepileptik ilaç kullanan epilepsi hastalarında kardiyak etkilenmenin QTC dispersiyonu ile değerlendirilmesi
Evaluation of cardiacial influence in epilepsy patients using monotherapy and polyterapy antiepyleptic drug by QTC dispersion
SENEM BEHSAT
Tıpta Uzmanlık
Türkçe
2020
Çocuk Sağlığı ve HastalıklarıManisa Celal Bayar ÜniversitesiÇocuk Sağlığı ve Hastalıkları Ana Bilim Dalı
PROF. DR. ŞENOL COŞKUN
- Epileptic seizure prediction using EEG signals with deep learning
Derin öğrenme yoluyla EEG işaretlerinden eğileptik nöbet tahmini
SAMET ORAN
Yüksek Lisans
İngilizce
2023
Elektrik ve Elektronik MühendisliğiAdana Alparslan Türkeş Bilim Ve Teknoloji ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. ESEN YILDIRIM
- Terapötik hipotermi uygulanmış asfiktik yenidoğanların aEEG ve MRG bulgularının erken çocukluk dönemi EEG, MRG ve Bayley-III Ölçeği ile değerlendirilmesi
Evaluation of aEEG and MRİ findings in asphyxic newborns treated with therapeutic hypothermia with early childhood EEG, MRI and Bayley-III Scale
ÖMER FARUK YALÇIN
Tıpta Uzmanlık
Türkçe
2022
Çocuk Sağlığı ve HastalıklarıPamukkale ÜniversitesiÇocuk Sağlığı ve Hastalıkları Ana Bilim Dalı
PROF. DR. ÖZMERT MUHAMMET ALİ ÖZDEMİR
- Serebral venöz sinüs trombozu geçiren çocuk hastaların retrospektif değerlendirilmesi
Retrospective analysis of pediatric patient with cerebral venous thrombosis
FADİME KELEŞ ÇELEBİ
Tıpta Uzmanlık
Türkçe
2021
Çocuk Sağlığı ve HastalıklarıÇukurova ÜniversitesiÇocuk Sağlığı ve Hastalıkları Ana Bilim Dalı
PROF. DR. HATİCE İLGEN ŞAŞMAZ
- Dirençli epilepsili çocuklarda IL-1 gen polimorfizmlerinin sıklığı
Frequency of IL-1 gene polymorphisms in childhood intractable epilepsy
BERNA ŞEKER YILMAZ
Tıpta Uzmanlık
Türkçe
2011
GenetikMersin ÜniversitesiÇocuk Sağlığı ve Hastalıkları Ana Bilim Dalı
DOÇ. DR. ÇETİN OKUYAZ