Analysis of dementia EEG signals using empirical mode decomposition variants
Demans EEG sinyallerinin görgül kip ayrışımı yöntemi türleri ile analizi
- Tez No: 948522
- Danışmanlar: PROF. DR. AYDIN AKAN
- Tez Türü: Yüksek Lisans
- Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: İngilizce
- Üniversite: İzmir Ekonomi Üniversitesi
- Enstitü: Lisansüstü Eğitim Enstitüsü
- Ana Bilim Dalı: Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 62
Özet
Alzheimer Demansı (AD), insan beynindeki elektriksel aktivite değişikliklerinin neden olduğu son yıllarda en sık görülen nörolojik bozukluktur. Elektroensefalogram (EEG) gibi tıbbi cihazlar kullanılarak demans hastalığının tanısı konulabilir. Bu çalışmada, AD hastalarının ve sağlıklı control bireylerinin EEG sinyalleri analiz edilmiştir. Görgül Kip Ayrışım (GKA) yöntemi ile özgül kip fonksiyonları (ÖKF) elde edilmiştir. Özgül Kip Fonksiyonlarından ve EEG sinyalin kendisinden spectral ve zamansal özellikler çıkartılmıştır. Daha sonra bu özellikler ile topografik ısı haritaları oluşturulmuştur. Topografik ısı haritaları, iki boyutlu Evrişimsel Sinir Ağı (2D-CNN) kullanılarak sınıflandırılmıştır. Farklı CNN mimarileri kullanılmıştır. EfficientNet-b0 mimarisi ile %95.98 sınıflandırma doğruluğuna ulaşılmıştır.
Özet (Çeviri)
In recent years, Alzheimer dementia (AD) is the most frequent neurological disorder caused by electrical activity changes in the human brain. The diagnosis of AD can be provided by using medical devices such as electroencephalography (EEG). In this study, EEG signals of AD patients and healthy control subjects were analyzed. Intrinsic mode functions (IMFs) were obtained using empirical mode decomposition (EMD) method. Spectral and time-domain features were extracted from IMFs and EEG signal itself. Then topographical heat maps were generated from these features. Topographic heat maps were classified using a two-dimensional convolutional neural network (2D CNN). Different CNN architectures were used. 95.98% classification accuracy was achieved with the EfficienNet-b0 architecture.
Benzer Tezler
- Evaluation of some neurological disorders by the analysis of EEG signals
EEG sinyallerinin analizi ile bazı nörolojik bozuklukların değerlendirilmesi
ÖZLEM KARABİBER CURA
Doktora
İngilizce
2021
Biyomühendislikİzmir Katip Çelebi ÜniversitesiBiyomedikal Teknolojiler Ana Bilim Dalı
PROF. DR. AYDIN AKAN
- EEG sinyallerinin zaman-frekans gösterimlerinin derin öğrenme ile analizi sonucu alzheimer hastalığının tespiti
Detection of alzheimer disease through deep learning analysis of EEG signals' time-frequency representations
MERAL ASLAN DİL
Yüksek Lisans
Türkçe
2024
Biyomühendislikİstanbul Üniversitesi-CerrahpaşaBiyomedikal Mühendisliği Ana Bilim Dalı
PROF. DR. FIRAT KAÇAR
PROF. DR. AYDIN AKAN
- Sağlıklı, hafif bilişsel bozukluk ve alzheimer hastalığı elektroensefalografi sinyallerinin sınıflandırılması
Classification of healthy, mild cognitive impairment and alzheimer's disease electroencephalography signals
BURCU OLTU
Yüksek Lisans
Türkçe
2020
Bilim ve TeknolojiBaşkent ÜniversitesiBiyomedikal Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ MEHMET FEYZİ AKŞAHİN
- Alzheimer ve vasküler demans hastalarının EEG kayıtlarının senkronizasyon analiziyle incelenmesi
Investigation of alzheimer and vascular dementia patient's EEG records using by synchronization analysis
HAKAN BARIŞ YALÇINÖZ
Yüksek Lisans
Türkçe
2020
Elektrik ve Elektronik MühendisliğiMersin ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ EVREN DEĞİRMENCİ
- Farklı demans türlerinde eeg sinyallerinin sinyal işleme teknikleri ile incelenmesi
Investigation of eeg signals with signal processing techniques in different types of dementia
CANSU GELGEÇ
Yüksek Lisans
Türkçe
2020
Elektrik ve Elektronik MühendisliğiMersin ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ EVREN DEĞİRMENCİ