EEG işaretlerindeki epileptik işaretlerin dalgacık dönüşüm yöntemi ile belirlenmesi
Determination of epileptic seizune activity in EEG signals by using wavelet transform
- Tez No: 84708
- Danışmanlar: DOÇ. DR. M. KEMAL KIYMIK
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 1998
- Dil: Türkçe
- Üniversite: Kahramanmaraş Sütçü İmam Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 85
Özet
48 ÖZET EEG dalgalan, beyin dokusundaki sinir hücreleri tarafından üretilen elektrik aktivitelerin toplamıdır ve kafadan kaydedilerek alınır. Frekans aralığı 0.5-100 Hz arasında olan bu dalgaların frekansı ve genliği birçok faktöre bağlı olarak değişmektedir. EEG işaretlerinde bulunan klinik bilgilerin objektif bir şekilde değerlendirilebilmesi için işaretlerin amaca uygun olarak farklı analiz yöntemleri ile incelenmesi gerekir. EEG dalgalan frekans içeriklerine bağlı olarak sınırlandırıldığından, modern parametrik analiz metotlan ile incelenmelidir. Özellikle, Dalgacık Dönüşümü (WT) durağan olmayan (non-stationary) işaretlerin işlenmesinde STFT, GT, AR, MA ve ARMA gibi parametrik analiz yöntemlerine bir alternatif olması yönüyle oldukça ilgi çekmektedir. Bu sistemlerin aksine WT, yüksek frekanslarda dar pencere kullanırken düşük frekansta geniş pencere kullanmaktadır. WT'nü taban fonksiyonlan üzerine bir işaret ayırma aracı olarak görmek yerinde olur. Analiz metotlannın performansı, frekans çözünürlüğü ve değişimleri aynı olmadığından, bu tezde WT frekans içeriği bilinen bir simule ve üç yaşında parsiyel epilepsi nöbeti geçiren bir çocuktan alınmış gerçek işarete uygulanmıştır. İşaretlerin 8, 9, a ve P frekans bantlanm elde etmek amacıyla Altband Kodlama Algoritması (SBCA) kullanarak, işaretler alt-örneklendi. Daha sonra, bantlann aktivitesi genlik-zaman ekseni üzerinde gösterildi. Aynca klinik açıdan yorumlanabilirliği arttırmak için band aktiviteleri frekans-zaman ekseni üzerine resmedildi. Epileptik nöbet aktivitesinin tespit edilmesi ve görüntületilmesi için WT ve SBCA' in kullanışlı olacağım ifade ediyoruz.
Özet (Çeviri)
49 SUMMARY The Electroencephalogram (EEG) is a summation of electrical activities, generated by nerve cells in the cerebral cortex and recorded from the scalp. The EEG waves lie in the frequency range of 0.5-100 Hz. Their frequency and magnitude alters depending on many factors. In order to obtain clinical information, the EEG waves have to be analyzed with different analysis methods. Since the EEG waves are classified with respect to their frequency contents, they are mainly analyzed with modern parametric analysis methods. In particular, the Wavelet Transform (WT) is of interest for the analysis of non- stationary signals, because it provides an alternative to STFT, GT, AR, MA and ARMA modern parametric systems. In contrast to these systems, WT uses short windows at high frequencies and long windows at low frequencies. It is desirable to see the WT as a signal decomposition onto a set of basis functions. Since the performance, frequency resolution and variation of the analysis methods are not similar, in this thesis WT method is applied to a simulated signal whose frequency content is known and a pathologic real signal from a three years old child having partial epileptic seizure activity. By using the Subband Coding Algorithm (SBCA) the signals are subsampled so as to have their 8, 0, a and P frequency bands. After that, the bands were put on the magnitude-time axis and the variations of the magnitude of the frequency bands with respect to time were traced. And also frequency band activities of signals are mapped onto frequency-time axes for obtaining clinically interpretable results. In order to detect and monitorize epileptic seizure activity, we propose the WT and SBCA.
Benzer Tezler
- Epileptik preiktal aktivitelerin EEG-Aura tabanlı evrişimsel sinir ağları ve topoğrafik haritalama yaklaşımı ile değerlendirilmesi
Evaluation of epileptic preictal activities by EEG-Aura based convolutional neural networks and topographic mapping approach
HASAN POLAT
Doktora
Türkçe
2020
Elektrik ve Elektronik MühendisliğiDicle ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET SİRAÇ ÖZERDEM
- EEG işaretlerinden epilepsi türlerinin sınıflandırılmasında skalogram tabanlı derin öğrenme yaklaşımı
Scalogram based deep learning approach for classification of epilepsy types from EEG signals
ÖMER TÜRK
Doktora
Türkçe
2019
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolDicle ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET SİRAÇ ÖZERDEM
- EEG işaretlerinde epilepsi nöbet tahmini ve tespiti
Epileptic seizure prediction and detection in EEG singnals
ALIYA ZHUNIS
Yüksek Lisans
Türkçe
2019
Elektrik ve Elektronik MühendisliğiKocaeli ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ AYSUN TAŞYAPI ÇELEBİ
- EEG işaretlerinin analiz metodlarının karşılaştırılmalı bir çalışması
A Comparative study of EEG signals anlysis methods
M. EMRE ERSOP
Yüksek Lisans
Türkçe
2003
Elektrik ve Elektronik MühendisliğiUludağ ÜniversitesiElektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. ERDOĞAN DİLAVEROĞLU
- EEG işaretlerinden epilepsi hastalığının teşhisi için yeni yaklaşımlar
Novel approaches for diagnosis of epilepsy disease from EEG signals
UMUT ORHAN
Doktora
Türkçe
2011
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolZonguldak Karaelmas ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. MAHMUT ÖZER
YRD. DOÇ. DR. MAHMUT HEKİM