Geri Dön

A hybrid deep neural network classification for schizophrenia detection in EEG recordings

EEG kayıtlarında şizofreni tespiti için hibrit derin sınır ağı sınıflandırması

PDF İndir

  1. Tez No: 988497
  2. Yazar: ZEKERİYA EDAHIL
  3. Danışmanlar: PROF. DR. SEMA KAYHAN
  4. Tez Türü: Yüksek Lisans
  5. Konular: Elektrik ve Elektronik Mühendisliği, Electrical and Electronics Engineering
  6. Anahtar Kelimeler: CNN, EEG, Hibrit model, CNN, Hybrid model
  7. Yıl: 2025
  8. Dil: İngilizce
  9. Üniversite: Gaziantep Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Elektrik-Elektronik Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Bu çalışma, şizofreniyi (SZ) tespit etmek için, beyin elektriksel aktivitesini ölçen elektroensefalografi (EEG) kullanarak bir yöntem sunmaktadır. EEG sinyallerini analiz etmek ve sınıflandırma başarısını artırmak için derin öğrenme algoritmaları kullanılmıştır. EEG zaman serileri, Hızlı Fourier Dönüşümü (FFT) ve Bulanık Entropi (FuzzyEn) kullanılarak spektral güç özellikleri çıkarmak için ön işleme tabi tutulmuş ve daha sonra beyin aktivitesini temsil eden RGB görüntülerine dönüştürülmüştür. Bu görüntüleri analiz etmek için de evrişimli sinir ağları (CNN'ler) ve uzun kısa süreli bellek (LSTM) birimlerini birleştiren bir hibrit derin sinir ağı kullanılmıştır. Önerilen yöntem FFT ile ortalama %96,34'lük bir doğruluk elde ederken, FuzzyEn'in performansı daha düşük olmuştur. Bu sonuçlar, FFT tabanlı özelliklerin sınıflandırma için etkinliğini göstermiş olup, hibrit DNN modellerinde veri temsilinin önemini de vurgulamaktadır.

Özet (Çeviri)

This study presents a method for detecting schizophrenia (SZ) using electroencephalography (EEG), which measures brain electrical activity. Deep learning algorithms were employed to analyze EEG signals, aiming to improve classification accuracy. EEG time series were preprocessed to extract spectral power features using Fast Fourier Transformation (FFT) and Fuzzy Entropy (FuzzyEn), which were then converted into RGB images representing brain activity. A hybrid deep neural network, combining convolutional neural networks (CNNs) and long short-term memory (LSTM) units, was used to analyze these images. The proposed method achieved an average accuracy of 96.34% with FFT, while FuzzyEn's performance was lower, highlighting the effectiveness of FFT-based features for classification and the importance of data representation in hybrid DNN models.

Benzer Tezler

  1. Tez No

    991801

    Diagnostic Differentiation of Psychiatric Disorders (Schizophrenia and Bipolar Disorder) Using EEG-Based Deep Learning Models

    EEG Tabanlı Derin Öğrenme Modelleri ile Psikiyatrik Bozuklukların (Şizofreni ve Bipolar Bozukluk) Tanısal Ayrımı

    TASNIM SAKA LAİK

    Yüksek Lisans

    İngilizce

    İngilizce

    2026

    NörolojiÜsküdar Üniversitesi

    Sağlık Bilimleri Ana Bilim Dalı

    PROF. DR. TÜRKER TEKİN ERGÜZEL

  2. Tez No

    775316

    A hybrid fuzzy logic and convolution neural network (FIS-CNN) for automatic detection and classification of objects in comet assay images

    Comet test görüntülerinde nesnelerin otomatik algılanması ve sınıflandırılması için hibrit bulanık mantık ve dönüşümlü sinir ağı(FIS-CNN)

    SHAYMAA ABDULHAFEDH SHAKİR AL-QAYSI

    Doktora

    Türkçe

    Türkçe

    2023

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolAnkara Yıldırım Beyazıt Üniversitesi

    Bilgisayar Mühendisliği Ana Bilim Dalı

    DOÇ. DR. FATİH NAR

  3. Tez No

    857057

    Anomaly detection in unmanned aerial vehicles: A comprehensive study of hybrid deep neural network methods for edge-based applications

    İnsansız hava araçlarında anomali tespiti: Uç birim tabanlı uygulamalar için hibrit derin sinir ağı yöntemlerinin kapsamlı bir çalışması

    HATİCE VİLDAN DÜDÜKÇÜ

    Doktora

    İngilizce

    İngilizce

    2024

    Elektrik ve Elektronik MühendisliğiYıldız Teknik Üniversitesi

    Elektronik ve Haberleşme Mühendisliği Ana Bilim Dalı

    DOÇ. DR. NİHAN KAHRAMAN

    DR. ÖĞR. ÜYESİ MURAT TAŞKIRAN

  4. Tez No

    707628

    Periodontal hastalıkların güncel sınıflamaya (2018) uygun tanısı için derin evrişimsel sinir ağı tabanlı bir karar sistemi tasarımı

    A deep convolutional neural network based decision system for the diagnosis of periodontal diseases according to the current clasification (2018)

    KÜBRA ERTAŞ

    Diş Hekimliği Uzmanlık

    Türkçe

    Türkçe

    2021

    Diş HekimliğiSüleyman Demirel Üniversitesi

    Periodontoloji Ana Bilim Dalı

    PROF. DR. ZUHAL YETKİN AY

  5. Tez No

    955723

    ViT, DeiT ve Swin tabanlı hibrit derin öğrenme modeli ile beyaz kan hücresi görüntülerinin sınıflandırma performansının değerlendirilmesi

    Evaluating the classification performance of a ViT, DeiT and Swin-based hybrid deep learning model for white blood cell images

    AYŞEGÜL YILMAZ

    Yüksek Lisans

    Türkçe

    Türkçe

    2025

    BiyomühendislikSamsun Üniversitesi

    Biyomedikal Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ ALPASLAN KOÇ

Geri Dön