Yapay zeka tabanlı uyku analizi ve evre sınıflandırması
Artificial intelligence-based sleep analysis and stage classification
- Tez No: 888907
- Danışmanlar: DOÇ. DR. NEYİR ÖZCAN SEMERCİ
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Elektrik ve Elektronik Mühendisliği, Computer Engineering and Computer Science and Control, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2024
- Dil: Türkçe
- Üniversite: Bursa Uludağ Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 85
Özet
Bu tez çalışmasında, literatürde yaygın olarak kullanılan Physionet SleepEDF(Expanded) EEG veri seti ile 6 uyku ve uyanıklık evresinin sınıflandırılması yapılmıştır. Veri seti incelenmiş sınıflandırmak için uygun denekler ve kayıtlar seçilmiştir. Veri setinde oluşan dengesizlikler çözülmeye çalışılmış ve sonrasında diğer aşamalara geçilmiştir. Önişleme aşamasında, EEG sinyalleri delta, teta, alfa, beta ve gama frekans bantlarına göre Butterworth IIR filtreleri ile işlenmiş ve epoklara ayrılmıştır. Öznitelik çıkarımı aşamasında, PSD ve Esis başta olmak üzere birçok öznitelik çıkarılmıştır ve çıkarılan öznitelikler başarıma etkilerine göre karşılaştırılmıştır. Sınıflandırma gerçekleştirilirken ise Random Forest, Gradient Boosting gibi çeşitli algoritmalar test edilmiş ve başarılarına göre karşılaştırılmışlardır.
Özet (Çeviri)
In this thesis study, the classification of six sleep and wakefulness stages was conducted using the Physionet Sleep-EDF (Expanded) EEG dataset, which is widely used in the literature. The dataset was examined, and appropriate subjects and recordings were selected for classification. Efforts were made to resolve any imbalances present in the dataset before proceeding to other stages. During the preprocessing stage, EEG signals were processed and segmented into epochs using Butterworth IIR filters based on delta, theta, alpha, beta, and gamma frequency bands. In the feature extraction stage, various features, including PSD and Esis, were extracted and compared based on their impact on performance. For the classification, algorithms such as Random Forest and Gradient Boosting were tested and compared based on their performance.
Benzer Tezler
- Machine-learning approaches for neurological disorder diagnosis from genomic and neuroimaging data
Genomik ve nörogörüntüleme verilerinden nörolojik bozukluk teşhisi için makine öğrenmesi yaklaşımları
İSMAİL BİLGEN
Doktora
İngilizce
2024
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrolİstanbul Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. BEHÇET UĞUR TÖREYİN
- Osas hastaları için CPAP cihazlarındaki optimum basıncın yapay zeka ile tahmini
Prediction of optimum pressure in CPAP devices for osas patients by artificial intelligence
FATMA ZEHRA GÖĞÜŞ
Doktora
Türkçe
2020
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKonya Teknik ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. GÜLAY TEZEL
- Ağır hemofili A hastalarının yapay zeka tabanlı test ile psikiyatrik bozukluk açısından değerlendirilmesi ve bu sonuçların klinik üzerine etkisinin incelenmesi
Assessment of severe hemophilia A patients for psychiatric disorders usingartificial ıntelligence-based tests and examination of the clinical ımpact of these results
NİGAR RUSTAMLI
Tıpta Uzmanlık
Türkçe
2024
İç Hastalıklarıİstanbul Üniversitesi-Cerrahpaşaİç Hastalıkları Ana Bilim Dalı
PROF. DR. MUHLİS CEM AR
- Obstrüktif uyku apnesi sendromlu erişkin hastalarda yapay zeka kullanılarak hava yolu hacminin, hyoid kemik morfolojisinin ve kraniyofasiyal ilişkilerin değerlendirilmesi
Evaluation of airway volume, hyoid bone morphology and craniofacial relationships using artificial intelligence in adult patients with obstructive sleep apnea syndrome
ZEYNEP GÜRPINAR GİZLİ
Doktora
Türkçe
2024
Diş HekimliğiAnkara ÜniversitesiOrtodonti Ana Bilim Dalı
PROF. DR. TÜLİN UFUK TOYGAR MEMİKOĞLU
- Obstrüktif uyku apne teşhisi için makine öğrenmesi tabanlı yeni bir yöntem geliştirilmesi
Developing a new method for obstructive sleep apnea diagnosis based on machine learning
MUHAMMED KÜRŞAD UÇAR
Doktora
Türkçe
2017
BiyoistatistikSakarya ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. MEHMET RECEP BOZKURT