Beyin sinyalleri kullanılarak psikiyatrik hastalıkların derin öğrenme ve makine öğrenme yöntemleriyle incelenmesi
Examining psychiatric diseases with deep learning and machine learning methods using brain signals
- Tez No: 864989
- Danışmanlar: DOÇ. DR. MUSTAFA TOSUN
- Tez Türü: Yüksek Lisans
- Konular: Bilim ve Teknoloji, Elektrik ve Elektronik Mühendisliği, Science and Technology, Electrical and Electronics Engineering
- Anahtar Kelimeler: Psikiyatrik bozukluklar, EEG sinyalleri, Derin öğrenme, Makine öğrenme, Teşhis & Tedavi, Psychiatric disorders, EEG signals, Deep learning, Machine learning, Diagnosis & Treatment
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Kütahya Dumlupınar Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: İleri Teknolojiler Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 128
Özet
Psikiyatrik bozukluklar, bireyler, aileler ve toplum üzerinde önemli etkileri olabilen büyük bir halk sağlığı sorunudur. Bu bozuklukların erken teşhis ve tedavisi, hasta sonuçlarını iyileştirebilir ve topluma olan yükü hafifletebilir. Elektroensefalografi (EEG), beyindeki elektriksel aktiviteyi kaydetmek için kullanılan invaziv olmayan bir tıbbi görüntüleme tekniğidir. EEG sinyalleri, şizofreni, depresyon ve anksiyete dahil olmak üzere çeşitli nörolojik bozuklukların teşhisinde kullanılabilir. Derin öğrenme ve makine öğrenme, EEG sinyallerini analiz etmek için kullanılabilen iki tür yapay zekadır (AI). Bu yöntemler, psikiyatrik bozukluklarla ilişkili olan EEG sinyallerindeki kalıpları belirlemek için kullanılabilir. Bu çalışma, psikiyatrik bozuklukların EEG sinyallerine etkisini incelemek için derin öğrenme ve makine öğrenme yöntemlerinin kullanımını araştırmıştır. Çalışmada, şizofreni, depresyon ve anksiyete dahil olmak üzere çeşitli psikiyatrik bozuklukları olan hastalardan alınan EEG sinyallerinin bir veri seti kullanılmıştır. Çalışmada, derin öğrenme ve makine öğrenme yöntemlerinin, psikiyatrik bozukluklarla ilişkili olan EEG sinyallerindeki kalıpları tanımlayabildiği bulunmuştur. Bu kalıplar, psikiyatrik bozuklukların teşhis ve tedavisinin iyileştirilmesi için kullanılabilir. Genel olarak, bu çalışma, derin öğrenme ve makine öğrenme yöntemlerinin psikiyatrik bozuklukların EEG sinyallerine etkisini incelemek için kullanılabileceğini göstermektedir. Bu yöntemlerin psikiyatrik bozuklukların teşhis ve tedavisini iyileştirme potansiyeli vardır.
Özet (Çeviri)
Psychiatric disorders are a major public health problem that can have a significant impact on individuals, families, and society. Early diagnosis and treatment of these disorders can improve patient outcomes and reduce the burden on society. Electroencephalography (EEG) is a non-invasive medical imaging technique that can be used to record electrical activity in the brain. EEG signals can be used to diagnose a variety of neurological disorders, including psychiatric disorders. Deep learning and machine learning are two types of artificial intelligence (AI) that can be used to analyze EEG signals. These methods can be used to identify patterns in EEG signals that are associated with psychiatric disorders. This study investigated the use of deep learning and machine learning methods to study the effect of psychiatric disorders on EEG signals. The study used a dataset of EEG signals from patients with a variety of psychiatric disorders, including schizophrenia, depression, and anxiety. The study found that deep learning and machine learning methods were able to identify patterns in EEG signals that were associated with psychiatric disorders. These patterns could be used to improve the diagnosis and treatment of psychiatric disorders. Generally, this study suggests that deep learning and machine learning methods can be used to study the effect of psychiatric disorders on EEG signals. These methods have the potential to improve the diagnosis and treatment of psychiatric disorders.
Benzer Tezler
- 1H-MRSI of the deep gray matter structures in patients with amyotrophic lateral sclerosis
Amyotrofik lateral skleroz hastalarında derin gri madde yapılarının multi voksel proton manyetik rezonans spektroskopisi
MERYEM TORLAK
Yüksek Lisans
İngilizce
2024
Biyomühendislikİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. İSA YILDIRIM
PROF. DR. ESİN ÖZTÜRK IŞIK
- 8 kanallı taşınabilir eeg ölçüm cihazı
8 channel mobile eeg device
MUSTAFA ALPER BALIM
Yüksek Lisans
Türkçe
2018
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolBursa Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. NURETTİN ACIR
- Early diagnosis of alzheimer's disease and classification using electrophysiological signals
Alzheimar hastalığının erken teşhisi ve elektrofizyolojik sinyaller kullanılarak sınıflandırılması
MEHMET ÇOKYILMAZ
Yüksek Lisans
İngilizce
2011
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFatih ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. NAHİT EMANET
- EEG sinyalleri ve derin öğrenme modelleri kullanılarak dikkat eksikliği ve hiperaktivite bozukluğu tespiti
Attention deficit hyperactivity disorder prediction using EEG signals and deep learning models
YAĞMUR CAN
Yüksek Lisans
Türkçe
2024
BiyomühendislikTOBB Ekonomi ve Teknoloji ÜniversitesiBiyomedikal Mühendisliği Ana Bilim Dalı
PROF. DR. OSMAN EROĞUL
- Psikolojik uyarıma dayalı kaygılı durumların makine öğrenmesi iletespiti
Detection of anxious situations based on psychological stimulation with machine learning
DAMLA ÇINAR
Yüksek Lisans
Türkçe
2023
Bilim ve TeknolojiManisa Celal Bayar ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. YÜCEL KOÇYİĞİT