Geri Dön

Yapay sinir ağları kullanarak EEG modellemesi ve uyarılmış beyin potansiyellerin çıkartımı

EEG modelling and extraction of evoked brain potentials using artificial neural networks

  1. Tez No: 78242
  2. Yazar: İRFAN SAĞDINÇ
  3. Danışmanlar: YRD. DOÇ. DR. MEHMET ENGİN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Elektrik ve Elektronik Mühendisliği, Eğitim ve Öğretim, Computer Engineering and Computer Science and Control, Electrical and Electronics Engineering, Education and Training
  6. Anahtar Kelimeler: EEG Modelleme, UP Çıkartımı, Doğrusal Olmayan Sistem Tanılama
  7. Yıl: 1998
  8. Dil: Türkçe
  9. Üniversite: Kocaeli Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektronik ve Bilgisayar Sistemleri Eğitimi Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: 92

Özet

YAPAY SINIR AĞLARI KULLANARAK EEG MODELLEMESI VE UYARILMIŞ BEYİN POTANSİYELLERİNİN ÇIKARTIMI İrfan SAĞDINÇ

Özet (Çeviri)

İrfan SA?DINÇ Keyword: EEG Modelling, UP Detection, Non-linear System Identification Abstract: Evoked potentials (EPs) of the brain are very meaningful for clinical diagnosis. The EPs are usually embedded in ongoing electroencephalogram (EEG). The traditional method of EP extraction is take ensemble averaging. In this method, to obtain a usable waveform thousands of evoked potential measurements are required. In this study, for the investigation of evoked potentials in single segment measurements, a method which separates the measured activity into spontaneous part and evoked potentials is used. Spontaneous part of the measured activity was estimated by ANN and estimation errors have been interpreted as EPs. Since EEG' s are time-varying signals, dynamic approaches must be used to obtain accurate results. Therefore, it was considered that poststimulus EEG activity may be estimated by a dynamic ANN which is trained by prestimulus data. In order to estimate the poststimulus activity, real-time recurrent neural network (RNN) and multilayer perceptron (MP) were used. In these approaches, EPs have successfully been extracted in single segment and results compared with the ensemble averaging in time and frequency domain. In order to test the accuracy of the methods a simulation study has been performed. In simulation study, EEG and EPs were produced separately and then combined in a model. After testing the methods with artificial data, real signal was used for the single segment extraction of EPs.

Benzer Tezler

  1. Tez No

    338228

    Fuzzy cognitive maps for emotion modeling

    Bulanık bilişsel haritalar yardımıyla insan duygularının modellenmesi

    HASAN MURAT AKINCI

    Yüksek Lisans

    İngilizce

    İngilizce

    2013

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Kontrol Mühendisliği Ana Bilim Dalı

    YRD. DOÇ. DR. ENGİN YEŞİL

  2. Tez No

    912225

    Electroencephalography (EEG) sinyal sınıflandırılmasında sinir-evrimi yaklaşımı

    NeuroEvolutionary approach to electroencephalography (EEG) signal classification

    ERDEM AYBEK

    Yüksek Lisans

    Türkçe

    Türkçe

    2024

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolPamukkale Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. MERİÇ ÇETİN

  3. Tez No

    787492

    A novel hybrid feature extraction method for classification of chemosensory EEG signals

    Kemoduysal EEG sinyallerinin sınıflandırılması için yeni bir hibrit öznitelik çıkarma yöntemi

    BEGÜM KARA GÜLAY

    Doktora

    İngilizce

    İngilizce

    2023

    BiyofizikDokuz Eylül Üniversitesi

    İstatistik Ana Bilim Dalı

    PROF. DR. NESLİHAN DEMİREL

  4. Tez No

    596275

    Yapay sinir ağlarını kullanarak eeg sinyalleri ile insansız hava aracı kontrolü

    The control of unmanned aerial vehicle based on eeg signals by using artificial neural networks

    MEHMET DEMİR

    Yüksek Lisans

    Türkçe

    Türkçe

    2019

    BiyoteknolojiSakarya Uygulamalı Bilimler Üniversitesi

    Biyomedikal Mühendisliği Ana Bilim Dalı

    PROF. DR. RAŞİT KÖKER

  5. Tez No

    612139

    Classification of the motor EEG signals by using deep neural networks

    Derin sinir ağları kullanarak motor EEG sinyallerinin sınıflandırılması

    LEYLA ABILZADE

    Yüksek Lisans

    İngilizce

    İngilizce

    2019

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik Üniversitesi

    Bilişim Uygulamaları Ana Bilim Dalı

    PROF. DR. TAMER ÖLMEZ

Geri Dön