Biyomedikal sinyallerin işlenmesine ve sınıflandırılmasına yönelik filtre tasarım yöntemlerinin geliştirilmesi
Developing filter design methods for biomedical signal processing and classification
- Tez No: 880698
- Danışmanlar: PROF. DR. FATMA LATİFOĞLU
- Tez Türü: Doktora
- Konular: Mühendislik Bilimleri, Engineering Sciences
- Anahtar Kelimeler: Metasezgisel, Sayısal Filtre, Sınıflandırma, EEG, Sinyal İşleme, Metaheuristics, Digital Filter, Classification, EEG, Signal Processing
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Erciyes Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Biyomedikal Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Biyomedikal Mühendisliği Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu tez çalışması kapsamında biyomedikal sinyallerin işlenmesi ve sınıflandırılmasında kullanılmak üzere yeni yaklaşımlar içeren sayısal filtre tasarım yöntemleri geliştirilmiş olup elde edilen filtreler ile işlenen sinyallerin sınıflandırma performansına olan etkileri birçok açıdan değerlendirilmiş ve özgün özellik çıkarım metodu ortaya konmuştur. Bu amaç doğrultusunda öncelikle dokuz farklı metasezgisel algoritma kullanılarak Sonlu Dürtü Yanıtlı (FIR) düşük dereceli ve yüksek performanslı filtre katsayıları tez kapsamında geliştirilen uygunluk fonksiyonları ile optimize edilmiş ve bu filtreler ile geleneksel filtrelerin performansları karşılaştırılmıştır. Tasarımı yapılan ve geleneksel filtrelerin performansları EKG sinyalleri kullanılarak filtre performans parametreleri aracılığıyla analiz edilmiştir. Böylece EKG sinyallerinin işlenmesinde kullanılabilecek filtre katsayılarının elde edilmesi için literatüre optimizasyon tabanlı yöntemler önerilmiştir. Ayrıca tez çalışması kapsamında filtre kesim frekansı optimizasyonu yaklaşımı önerilerek ön işlemenin sınıflandırma performansına etkisi incelenmiştir. Bu kapsamda Alzheimer's, Frontotemporal Demans ve Parkinson's hastalarına ait EEG sinyalleri kullanılarak sınıflandırma çalışması yapılmıştır. Kesim frekansı optimize edilerek filtrelenen sinyallerin sınıflandırma başarısının filtrelenmemiş sinyallere göre 10% ile 20% arasında daha yüksek olduğu görülmüştür. Ayrıca sınıflandırma işleminin temel adımlarından olan özellik çıkarımı için özgün bir özellik çıkarım metodu bu tez kapsamında ortaya konmuştur. Bu özellik çıkarım metodu ve önerilen ön işleme yöntemleri kullanılarak Parkinson's hastalarına ait EEG sinyalleri sınıflandırılmış ve elde edilen yüksek sınıflandırma performansı sonuçları ile literatüre katkı sağlanmıştır.
Özet (Çeviri)
Within the scope of this thesis study, digital filter design methods containing new approaches have been developed to be used in the processing and classification of biomedical signals, the effects of the obtained filters and the processed signals on the classification performance have been evaluated in many aspects and a unique feature extraction method has been introduced. For this purpose, firstly, using nine different metaheuristic algorithms, Finite Impulse Response (FIR) low order and high performance filter coefficients were optimized with the fitness functions developed within the scope of the thesis, and the performances of these filters and traditional filters were compared. The performances of the designed and traditional filters were analyzed through filter performance parameters using ECG signals. Thus, optimization-based methods have been proposed in the literature to obtain filter coefficients that can be used in processing ECG signals. In addition, within the scope of the thesis study, the effect of pre-processing on classification performance was examined by proposing a filter cut-off frequency optimization approach. In this context, a classification study was carried out using EEG signals of Alzheimer's, Frontotemporal Dementia and Parkinson's patients. It has been observed that the classification success of signals filtered by optimizing the cutoff frequency is 10% to 20% higher than that of unfiltered signals. In addition, a unique feature extraction method, which is one of the basic steps of the classification process, has been introduced within the scope of this thesis. Using this feature extraction method and recommended pre-processing methods, EEG signals of Parkinson's patients were classified and contributed to the literature with the high classification performance results obtained.
Benzer Tezler
- EEG controlled semi-autonomous mobile vehicle design and implementation
EEG kontrollü yarı otonom mobil araç tasarımı ve gerçeklenmesi
HÜSEYİN TANZER ATAY
Yüksek Lisans
İngilizce
2019
Mekatronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. FATMA İNCİ ÇİLESİZ
- Classification methods for motor imagery based brain computer interfaces
Motor hareket hayali tabanlı beyin bilgisayar arayüzleri için sınıflandırma metotları
AYHAN YÜKSEL
Doktora
İngilizce
2016
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. TAMER ÖLMEZ
- Eeg sinyalleri işlenerek multipl skleroz hastalığının tespiti ve sınıflandırılması
Detection and classification of multiple sclerosis disease by processing of eeg signals
SONER KOTAN
Doktora
Türkçe
2019
Elektrik ve Elektronik Mühendisliğiİstanbul Üniversitesi-CerrahpaşaBiyomedikal Mühendisliği Ana Bilim Dalı
PROF. DR. FIRAT KAÇAR
PROF. DR. AYDIN AKAN
- Elektromiyogram sinyallerinin sınıflandırılması ve bağımsız bileşen analizi ile işlenmesi
Classification of electromyogram signals and processing with independent component analysis
ULVİ BAŞPINAR
Doktora
Türkçe
2014
Elektrik ve Elektronik MühendisliğiMarmara ÜniversitesiElektronik-Bilgisayar Eğitimi Ana Bilim Dalı
PROF. DR. HÜSEYİN SELÇUK VAROL
- El hareketlerine ait yüzey EMG sinyallerinin işlenmesi ve sınıflandırılması
Processing and classification of surface EMG signals of hand gestures
MEHMET CAN DEMİR
Yüksek Lisans
Türkçe
2021
Elektrik ve Elektronik MühendisliğiOndokuz Mayıs ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ CENGİZ TEPE