Discrimination neonatal hypoxic-ischemic encephalopathy grades of severity from multiple EEG signals using machine learning classifiers
Çoklu EEG sinyallerinden sınıflandırıcılar kullanarak yenidoğan hipoksi-iskemi ensefalopatisinin şiddet derecelerinin ayrımı
- Tez No: 933666
- Danışmanlar: PROF. DR. OSMAN NURİ UÇAN
- Tez Türü: Yüksek Lisans
- Konular: Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol, Computer Engineering and Computer Science and Control
- Anahtar Kelimeler: HIE, Elektroensefalogram (EEG), VGG16, GoogLeNet, Resnet18, Densenet201, HIE, Electroencephalogram (EEG), VGG16, GoogLeNet, Resnet18, Densenet201
- Yıl: 2024
- Dil: İngilizce
- Üniversite: Altınbaş Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Bilişim Teknolojileri Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Beyin, insanlardaki en önemli ve karmaşık organlardan biridir. Çoğu insan organı gibi, beynin işlevlerini yerine getirme verimliliğini etkileyen hastalıklara ve bozukluklara karşı bağışık değildir. Hipoksik-İskemik Ensefalopati (HİE), beyni etkileyen ve (DEHB) gibi birçok başka hastalığın kaynağı olan bu bozukluklardan biridir. HİE, beyne belirli bir süre oksijen gitmemesi veya kesilmesi nedeniyle doğum sırasında bebekleri etkiler. Nörologlar, bu yaralanmanın gelişimini izlemek için birçok araç kullanırlar. Elektroensefalografi (EEG), nörologlara hastalığı teşhis etmek için bebeğin beynine bir pencere sağlayan seçkin bir araçtır. Ancak, bebekler için yoğun bakım ünitesinde her zaman bir nöroloğun bulunması mümkün değildir. Hastalığın ilk altı saat içinde teşhis edilmesiyle hastalık azaltılabildiğinden, hastalığın teşhisini simüle etmek için yapay zeka algoritmaları ve EEG sinyallerinin kullanımına dayalı akıllı bir sisteme ihtiyaç vardır ve etkili teşhis sonuçları sağlamak ve HIE hasarını azaltmak için tedavi sağlamaya yardımcı olmak için hastalığın teşhisini simüle etmek gerekir. Birkaç Avrupa ülkesine yayılmış sekiz araştırma merkezi tarafından toplanan EEG veri setine dayanarak, HIE ile ilişkili desenin ayırt edici özelliklerini ortaya çıkarmak için beyin sinyallerini Kısa Süreli Fourier Dönüşümü (STFT) kullanarak görüntülere dönüştürdük. Görüntüleri önceden işledikten sonra, derin öğrenme algoritmaları (GoogLeNet, Densenet201, ResÆet18 ve VGG16) kullanarak desenin ayırt edici özelliklerini çıkardık. Hastalık derecelerini, Destek Vektör Makinesi (SVM) ve İnce Ağaç (FT) olan denetlenen Makine Öğrenimi (ML) kullanarak (hafif, orta, büyük ve etkisiz) olarak sınıflandırdık. Özellikleri çıkarmak için, özellikleri otomatik olarak çıkarmadaki verimlilikleri için derin öğrenme algoritmalarını ve sınıflandırmadaki sağlamlıkları için makine öğrenimi algoritmalarını kullandık. Ayrıca algoritmaları doğruluk, hassasiyet ve kesinlik açısından karşılaştırdık. Sonuçlar hastalık derecelerini teşhis etmede mükemmeldi ve HIE'yi sınıflandırmada kullanılan metodoloji, çeşitli doğruluklarla tüm algoritmalarda verimliliğini kanıtladı.
Özet (Çeviri)
The brain is one of the most significant and complicated organs in humans. Like most human organs, it is not immune to diseases and disorders that, in turn, affect the brain's efficiency in performing its functions. Hypoxic-Ischemic Encephalopathy (HIE) is one of these disorders that affect the brain and is a source of many other diseases, such as (ADHD). HIE affects infants during birth due to interruption or lack of oxygen supply to the brain for a certain period. Neurologists use many tools to monitor the development of this injury. Electroencephalography (EEG)is a distinguished tool that gives neurologists a window into the infant's brain to diagnose the disease. However, the presence of a neurologist in the intensive care unit for infants around the clock is not always available. As the disease can be reduced by diagnosing the disease in the first six hours, so there is a need for an intelligent system based on the use of AI algorithms and EEG signals to simulate the diagnosis of the disease to provide effective diagnostic results help provide treatment to reduce the damage of HIE. Based on the EEG dataset collected by eight research centers spread across several European countries, we converted brain signals into images using Short Time Fourier Transform (STFT) to reveal the distinguishing characteristics of the pattern associated with HIE. After pre-processing the images, we extracted the distinctive features of the pattern using deep learning algorithms (GoogLeNet, Densenet201, Resآet18, and VGG16). We classified the disease grades into (mild, moderate, major, and inactive) using supervised Machine Learning (ML), which is a Support Vector Machine (SVM) and Fine Tree (FT). To extract the features, we used deep learning algorithms for their efficiency in extracting features automatically and machine learning algorithms for their robustness in classification. We also compared the algorithms on accuracy, sensitivity, and precision. The results were excellent in diagnosing the disease grades, and the methodology used in classifying the HIE proved its efficiency in all algorithms with a variety of accuracy.
Benzer Tezler
- Hematolojik inflamatuvar indekslerin orta-ağır hipoksik iskemik ensefalopatisi olan bebeklerde tanısal rolü
Diagnostic role of hematological inflammatory indices in newborns with moderate-to-severe hypoxic-ischemic encephalopathy
VUSALA MUKHTAROVA
Tıpta Uzmanlık
Türkçe
2026
Ankara Yıldırım Beyazıt ÜniversitesiÇocuk Sağlığı ve Hastalıkları Ana Bilim Dalı
Yükleniyor...
- Fetal gelişme kısıtlılığı olan gebelerde EASİX skorunun rolünün araştırılması
Investigation of the role of EASIX score in pregnancies with fetal growth restriction
MERVE ERTEN ESEN
Tıpta Uzmanlık
Türkçe
2026
Sağlık Bilimleri ÜniversitesiKadın Hastalıkları ve Doğum Ana Bilim Dalı
Yükleniyor...
- Fetal gelişim kısıtlılığı saptanan gebelerde anti karbonik anhidraz I-II otoantikor seviyelerinin değerlendirilmesi
Evaluation of anti-carbonic anhydrase I-II autoantibody levels in pregnant women diagnosed with fetal growth restriction
BESTE İREM DEYİRMENCİ
Tıpta Uzmanlık
Türkçe
2026
Sağlık Bilimleri ÜniversitesiKadın Hastalıkları ve Doğum Ana Bilim Dalı
Yükleniyor...
- Pregestasyonel ve gestasyonel diyabetin neonatal işitme taraması üzerine etkisi
The effect of pregestational and gestational diabetes on neonatal hearing screening
AYŞE YILMAZ CANDAR
Tıpta Uzmanlık
Türkçe
2024
Sağlık Bilimleri ÜniversitesiÇocuk Sağlığı ve Hastalıkları Ana Bilim Dalı
Yükleniyor...
- Geç başlangıçlı neonatal sepsis tanısı alan 32 hafta ve 1500 gram altında doğan prematürelerde nsofa skorunun mortalite ile ilişkisinin değerlendirilmesi
Evaluation of the relationship between nsofa score and mortality in preterm infants born at less than 32 weeks and weighing under 1500 grams diagnosed with late-onset neonatal sepsis
SÜMEYYE YAMAN
Tıpta Uzmanlık
Türkçe
2024
Sağlık Bilimleri ÜniversitesiÇocuk Sağlığı ve Hastalıkları Ana Bilim Dalı
Yükleniyor...