Geri Dön

Epileptic seizure detection with power spectral density method

Güç spektral yoğunluğu yöntemi ile epileptik nöbet tespiti

PDF İndir

  1. Tez No: 775072
  2. Yazar: RABİA TUTUK
  3. Danışmanlar: DR. ÖĞR. ÜYESİ REYHAN ZENGİN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Nöroloji, Neurology
  6. Anahtar Kelimeler: Belirtilmemiş.
  7. Yıl: 2022
  8. Dil: İngilizce
  9. Üniversite: İnönü Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Biyomedikal Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 95

Özet

Epileptik sinyallerde nöbet öncesi belirtilerin saptanması hastaların nöbeti en az hasarla atlatmasına yardımcı olabilir. Bu tez, farklı iki veri tabanını kullanarak nöbet öncesi ve nöbet paternleri tespit etmeyi amaçlamaktadır. İlk EEG veri seti, Almanya Bonn Üniversitesi Epileptoloji Bölümü tarafından sağlandı (A, C, E setleri kullanıldı). İkinci veri seti olarak Boston Çocuk Hastanesinde toplanan veri tabanı kullanıldı. Bu veri setlerindeki tüm EEG sinyallerinin güç, frekans ve genlik değerleri incelendi ve karşılaştırıldı. Her sinyalin güç spektral yoğunlukları (PSD) grafiksel olarak analiz edildi. Sinyallerin maksimum PSD'si ve sinyallerdeki yüksek frekanslı salınımlar (HFO'lar) araştırıldı. Maksimum PSD'nin frekans alt bantları incelendi. Nöbet anında maksimum gücün delta ve teta alt bantlarında olduğu belirlendi (bu alt bantlar patolojiktir). Tüm hastalar için F4 ve T3 kanallarının maksimum gücü sadece delta ve teta alt bantlarını içermekte ve bu kanallarda HFO'lar tespit edilmektedir. Ayrıca preiktal ve iktal sinyallerin frekans artış oranları incelenerek HFO'ların artan PSD'leri hesaplanmıştır. Tüm hastalarda ortak olan Fp2, C4, P4, O2 ve Pz kanallarında sinyallerin frekansı 80 Hz ve üzerinde olduğu gözlenmiştir. Ayrıca nöbet öncesi maksimum güce sahip alt bantlar incelendiğinde hastaların çoğunda T8-P8 ve P7-T7 kanallarında alfa ve beta alt bantlarının olduğu belirlendi. Sonuç olarak, sağlıklı, nöbet öncesi ve epileptik paternler arasındaki farklar belirlendi.

Özet (Çeviri)

Detection of pre-seizure signs in epileptic signals may help patients to survive the seizure with minimal damage. This thesis aims to detect the pre-seizure and the seizure patterns using different two databases. The first EEG dataset was provided by the Department of Epileptology, the University of Bonn, Germany (A, C, and E sets were used). The database collected at Boston Children's Hospital was used as the second data set. The power, frequency, and amplitude values of all EEG signals in this data set were examined and compared. The power spectral densities (PSD) of each signal were analyzed graphically. The maximum PSD of the signals and high-frequency oscillations (HFOs) in the signals are investigated. The frequency subbands of the maximum PSD are examined. It was determined that the maximum power at the time of seizure was in the delta and theta subbands (these subbands are pathologic). The maximum power of F4 and T3 channels for all patients included only delta and theta subbands and HFOs are detected in these channels. Furthermore, frequency increase rates of pre-ictal and ictal signals are investigated, and increasing PSDs of HFOs are then calculated. In addition, the frequency of signals is observed to be 80 Hz and above in the Fp2, C4, P4, O2, and Pz channels, which are common to all patients. Also, when the subbands with the maximum power before seizure were examined, it was determined that the T8-P8 and P7-T7 channels had alpha and beta subbands in most of the patients.Consequently, determined the differences between healthy, pre-seizure, and epileptic patterns.

Benzer Tezler

  1. Tez No

    530503

    Farklı zaman ölçekli EEG işaretlerinden epilepsinin tespiti

    Determination of epilepsy from different time scale EEG signs

    MEHMET YILDIRIM

    Yüksek Lisans

    Türkçe

    Türkçe

    2018

    Elektrik ve Elektronik MühendisliğiDicle Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ABDULNASIR YILDIZ

  2. Tez No

    745011

    Epileptic activity detection using linear and non-linear methods

    Doğrusal ve doğrusal olmayan yöntemler ile epileptik aktivite tespiti

    CEREN CANYURT

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Nörolojiİnönü Üniversitesi

    Biyomedikal Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ REYHAN ZENGİN

  3. Tez No

    540318

    Deep learning applications in Seizure detection

    Nöbet tespitinde derin öğrenme uygulamaları

    YEZI ALI KADHIM KADHIM

    Yüksek Lisans

    İngilizce

    İngilizce

    2018

    Elektrik ve Elektronik MühendisliğiAtılım Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. ALOK MISHRA

    DOÇ. DR. LALİT GARG

  4. Tez No

    222315

    SEEG verilerinden yüksek dereceli istatistikler ve izgeler kullanarak epileptik atak tespiti

    Epileptic seizure detection from SEEG data by using higher order statistics and spectra

    RAZİYE BAŞAR ARTAN

    Doktora

    Türkçe

    Türkçe

    2007

    Biyomühendislikİstanbul Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    PROF.DR. ERTUĞRUL YAZGAN

  5. Tez No

    796136

    Brain epileptic seizure diagnosis using electroencephalographic EEG signals

    Başlık çevirisi yok

    MOHAMMED AYDEN OMAR BASWAN

    Yüksek Lisans

    İngilizce

    İngilizce

    2022

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAltınbaş Üniversitesi

    Bilişim Teknolojileri Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ SEFER KURNAZ

Geri Dön