Parkinson hastalığının EEG sinyallerinden yapay zeka teknikleri kullanılarak sınıflandırılması
Classification of parkinson's disease from EEG signals using artificial intelligence techniques
- Tez No: 825575
- Danışmanlar: PROF. DR. FATMA LATİFOĞLU
- Tez Türü: Yüksek Lisans
- Konular: Mühendislik Bilimleri, Engineering Sciences
- Anahtar Kelimeler: Parkinson Hastalığı, Elektroensefalografi, Sinyal İşleme, Sınıflandırma, Yapay Zeka, Makine Öğrenmesi, Vold-Kalman Filtreleme, Ampirik Mod Ayrışımı, Varyasyonel Mod Ayrışımı, Parkinson's Disease, Electroencephalography, Signal Processing, Classification, Artificial Intelligence, Machine Learning, Vold-Kalman Filtering, Empirical Mode Decomposition, Variational Mode Decomposition
- Yıl: 2023
- Dil: Türkçe
- Üniversite: Erciyes Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Biyomedikal Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 119
Özet
PARKİNSON HASTALIĞININ EEG SİNYALLERİNDEN YAPAY ZEKA TEKNİKLERİ KULLANILARAK SINIFLANDIRILMASI Sultan PENEKLİ Erciyes Üniversitesi, Fen Bilimleri Enstitüsü Yüksek Lisans Tezi, Ağustos 2023 Danışman: Prof. Dr. Fatma LATİFOĞLU ÖZET Parkinson hastalığı, dünya çapında oldukça fazla insanı etkileyen en yaygın nörolojik bozukluklardan biridir. Beyindeki hücre kaybı nedeniyle ortaya çıkan bu hastalık farklı fizyolojik belirtilerle kendisini göstermektedir. Bu tez çalışması kapsamında Parkinson hastalığının teşhisi için uzman destek sistemi oluşturulmasına yönelik yeni sinyal işleme yaklaşımları sunulmuştur. Parkinson hastası ve sağlıklı kişilerden alınan elektroensefalografi sinyallerinin, yapay zeka teknikleri ile sınıflandırılması amacıyla farklı sinyal işleme aşamaları kaydedilmiştir. Elektroensefalografi sinyalleri ön işleme aşmasından geçirilerek ampirik mod ayrışımı, varyasyonel mod ayrışımı ve Vold-Kalman filtreleme yöntemlerinin sınıflandırma performansına katkısı göz önüne sunulmuştur. Öznitelik çıkarma ve öznitelik seçimi aşamalarının sınıflandırma performanısa olan etkisi de ayrıca değerlendirilmiştir. Karar ağacı, destek vektör makineleri, k-en yakın komşu ve yapay sinir ağları olmak üzere dört farklı sınıflandırıcı için doğruluk, duyarlılık gibi performans parametrelerinin sonuçları bu tez kapsamında yer almaktadır. Çalışmanın sonucunda elektroensefalografi sinyallerinin Vold-Kalman filtreleme yönteminden yararlanılarak alt bantlarına ayrıştırılmasıyla elde edilen özniteliklerin, makine öğrenimi algoritmaları ile birlikte kullanılmasıyla Parkinson hastalığı yüksek performansta sınıflandırılarak literatüre yeni bir bakış kazandırılmıştır.
Özet (Çeviri)
CLASSIFICATION OF PARKINSON'S DISEASE FROM EEG SIGNALS USING ARTIFICIAL INTELLIGENCE TECHNIQUES Sultan PENEKLİ Erciyes University, Graduate School of Natural and Applied Sciences Master Thesis, August 2023 Supervisor: Prof. Dr. Fatma LATĠFOĞLU ABSTRACT Parkinson's disease is one of the most common neurological disorders affecting quite a lot of people worldwide. This disease, which occurs due to the loss of cells in the brain, manifests itself with different physiological symptoms. Within the scope of this thesis, new signal processing approaches are presented for the establishment of an expert support system for the diagnosis of Parkinson's disease. Different signal processing stages have been recorded in order to classify electroencephalography signals from Parkinson's disease and healthy individuals with artificial intelligence techniques. The contribution of the empirical mode decomposition, variational mode decomposition and Vold-Kalman filtering methods to the classification performance is presented by preprocessing the electroencephalography signals. The effect of feature extraction and feature selection stages on classification performance was also evaluated. The results of performance parameters such as accuracy and precision for four different classifiers, namely decision tree, support vector machines, k-nearest neighbor and artificial neural networks, are included in this thesis. As a result of the study, the features obtained by separating the electroencephalography signals into subbands by using the Vold-Kalman filtering method, together with machine learning algorithms, were classified in high performance and a new perspective was given to the literature.
Benzer Tezler
- 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
2023
BiyofizikDokuz Eylül Üniversitesiİstatistik Ana Bilim Dalı
PROF. DR. NESLİHAN DEMİREL
- 1D ve 2D cnn derin öğrenme algoritmaları ile eeg sinyallerinden nörolojik hastalık tespiti
Neurological disease detection from eeg signals with 1d and 2d cnn deep learning algorithms
BAHADIR ARABACI
Yüksek Lisans
Türkçe
2024
Elektrik ve Elektronik MühendisliğiBolu Abant İzzet Baysal ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. KEMAL POLAT
DR. ÖĞR. ÜYESİ HAKAN ÖCAL
- Korteks davranışının vuru üreten hücre modeli ile incelenmesi
Analysis of cortex behavior by a spiking neuron model
YUSUF KUYUMCU
Yüksek Lisans
Türkçe
2014
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DOÇ. NESLİHAN SERAP ŞENGÖR
- Parkinsoniyen halüsinasyonların elektrofizyolojik özelliklerinin incelenmesi
The analysis of electrophysiological features of parkinsonian hallucinations
REYYAN UYSAL KABA
Yüksek Lisans
Türkçe
2017
Biyofizikİstanbul Medipol ÜniversitesiSinir Bilimi Ana Bilim Dalı
PROF. DR. LÜTFÜ HANOĞLU
PROF. DR. BAHAR GÜNTEKİN
- Parkinson hastalığı demans, alzheimer hastalığı demans ve lewy cisimcikli demans'ta kognitif fonksiyonların olaya-ilişkin EEG beyin osilasyonları ile incelenmesi
The investigation of the cognitive processes in parkinson's disease, alzheimer's disease, and lewy body dementia with event-related EEG brain oscillations
EBRU YILDIRIM
Doktora
Türkçe
2021
Fizyopatolojiİstanbul Medipol ÜniversitesiSinir Bilimi Ana Bilim Dalı
PROF. DR. BAHAR GÜNTEKİN
PROF. DR. LÜTFÜ HANOĞLU