Depresyonun EEG sinyallerinden sinyal işleme ve yapay zeka yöntemleriyle analizi
Analyzing depression through EEG signals using signal processing and AI methods
- Tez No: 966721
- Danışmanlar: PROF. DR. FATMA LATİFOĞLU
- Tez Türü: Yüksek Lisans
- Konular: Mühendislik Bilimleri, Engineering Sciences
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Erciyes Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Biyomedikal Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Dünya Sağlık Örgütü'ne göre depresyon, küresel sağlık sorunlarının başlıca nedenlerinden biri olarak kabul edilmekte ve erken tanısı için biyobelirteç temelli yöntemlere duyulan ihtiyaç giderek artmaktadır. Bu tez çalışmasında, elektroensefalografi (EEG) sinyallerinden elde edilen öznitelikler ve çeşitli makine öğrenmesi algoritmaları kullanılarak, depresyonlu ve sağlıklı bireylerin sınıflandırılması amaçlanmıştır. Çalışmada hem 128 elektrotlu EEG kayıtları hem de yalnızca frontal bölgedeki (Fp1, Fpz, Fp2) üç elektrot ile elde edilen düşük kanallı EEG verileri değerlendirilmiştir. Sinyal ön işleme sürecinde FIR filtreleme ve Bağımsız Bileşenler Analizi (ICA) teknikleri uygulanmış, ardından EMD, EWT ve VMD gibi farklı ayrıştırma yöntemleriyle sinyalin alt bileşenleri elde edilmiştir. Yüksek boyutlu öznitelik uzayından anlamlı özniteliklerin seçilmesi amacıyla LASSO algoritması kullanılmıştır. Verilerdeki sınıf dengesizliğini gidermek için ADASYN yöntemi ile sentetik veri üretimi gerçekleştirilmiştir. Son aşamada KNN, SVM ve ANN algoritmaları kullanılarak sınıflandırma işlemleri yapılmış ve model başarıları çapraz doğrulama (10-fold ve LOOCV) yöntemleri ile değerlendirilmiştir. 128 kanallı EEG verilerinde ANN ve SVM modelleri %100 doğruluk, hassasiyet, seçicilik ve kesinlik değerleri ile öne çıkarken; 3 kanallı EEG sistemlerinde VMD yöntemi ile desteklenen ANN modeli %98 doğruluğa ulaşmıştır. Elde edilen bulgular, hem yüksek hem de düşük kanallı EEG sistemleri ile depresyonun yüksek doğrulukla sınıflandırılabileceğini göstermektedir.
Özet (Çeviri)
According to the World Health Organization, depression is one of the leading global health problems, highlighting the growing need for biomarker-based diagnostic approaches. In this thesis, classification of depressive and healthy individuals was investigated using features extracted from electroencephalography (EEG) signals and various machine learning algorithms. The study includes both high-resolution 128-channel EEG data and low-channel EEG data obtained from three frontal electrodes (Fp1, Fpz, Fp2). During signal preprocessing, techniques such as FIR filtering and Independent Component Analysis (ICA) were applied to eliminate noise. Subsequently, signal decomposition methods including Empirical Mode Decomposition (EMD), Empirical Wavelet Transform (EWT), and Variational Mode Decomposition (VMD) were used to extract intrinsic signal components. The Least Absolute Shrinkage and Selection Operator (LASSO) was employed for selecting informative features from the high-dimensional feature space. To address class imbalance in the data, synthetic samples were generated using the Adaptive Synthetic Sampling (ADASYN) method. Classification was performed using K-Nearest Neighbors (KNN), Support Vector Machines (SVM), and Artificial Neural Networks (ANN), and the model performances were evaluated through 10-fold and LOOCV cross-validation. Results showed that ANN and SVM achieved 100% accuracy, sensitivity, specificity, and precision with 128-channel EEG data. Furthermore, the VMD-based ANN model achieved up to 98% accuracy in the 3-channel EEG setup.
Benzer Tezler
- 1978-1987 yılları arasında izlenen 33 cushing sendromu olgusunun incelenmesi
Başlık çevirisi yok
METİN CANER
Tıpta Uzmanlık
Türkçe
1987
Endokrinoloji ve Metabolizma Hastalıklarıİstanbul Üniversitesiİç Hastalıkları Ana Bilim Dalı
PROF. DR. H. HÜSREV HATEMİ
- Depresif kişilerin kendilerine ve önem verdikleri bir kişiye ilişkin yüklemeleri
Başlık çevirisi yok
IŞIK PAPATYA
Yüksek Lisans
Türkçe
1987
PsikolojiHacettepe ÜniversitesiPsikoloji Ana Bilim Dalı
YRD. DOÇ. DR. ALİ UZUNÖZ
- Kardiyovasküler sistemde simetidin-verapamil etkileşimi
Başlık çevirisi yok
ASUMAN AKGÜN
Yüksek Lisans
Türkçe
1987
Eczacılık ve FarmakolojiAkdeniz ÜniversitesiFarmakoloji Ana Bilim Dalı
DOÇ. DR. GÜLAY ŞADAN
- Calisthenic egzersiz proğramının myokard infarktüslü hastaların performansı üzerindeki etkileri
Başlık çevirisi yok
R.NESRİN DEMİRTAŞ