Epilepsi teşhisi için EEG sinyal analizi
Yükleniyor...
Dosyalar
Tarih
2008
Yazarlar
Dergi Başlığı
Dergi ISSN
Cilt Başlığı
Yayıncı
Selçuk Üniversitesi Fen Bilimleri Enstitüsü
Erişim Hakkı
info:eu-repo/semantics/openAccess
Özet
Bu çalışmada, epilepsi teşhisi için elektroensefalogram (EEG) işaretlerin dalgacık analizi ile incelenip, çeşitli yapay sinir ağları (YSA) ile otomatik sınıflandırılması amaçlanmıştır. İlk olarak insan beyninin yapısı ve sinir hücreleri incelenmiş, biyolojik işaretlerin nasıl oluştuğu ve epilepsinin ne olduğu anlatılmıştır. Sağlıklı kişilerden ve epilepsi hastalarından alınan EEG işaretler dalgacık dönüşümü ile frekans alt-bantlarına ayrılmış ve bu alt-bantlardan öznitelik vektörleri elde edilmiştir. Çıkarılan öznitelik vektörlerinin boyutlarının azaltılabilmesi için PCA yöntemi uygulanmış ve bu öznitelik vektörleri LVQ, RBF, GRNN, MLP, PNN ve ELMAN sinir ağlarına girişi olarak kullanılmıştır. Sınıflandırma sonucunda EEG sinyallerinin sağlıklı veya epileptik olduğu hakkında bilgi sağlanmıştır. Kullanılan YSA modelleri için ROC analizleri yapılarak performans değerlendirmesi yapılmıştır.
In this study, it has been aimed to perform automatic classification for diagnosis of epilepsy sendrom via various Artificial Neural Networks (ANN) by investigaing electroencephalography (EEG) signals using wavelet analysis (WT). First of all, structre of human brain and nevre cells are examined and that is explained what was epilepsy and how biological signals were formed. EEG signals recorded from different healthy volunteers and epilepsy patients and this signals were decomposed into the frequency sub-bands using wavelet transform and a set of statistical features was extracted from the sub-bands. This features vectors?s dimensions were reduced with PCA method and then these features were used as inputs to LVQ, RBF, GRNN, MLP, PNN and ELMAN ANNs. After all, EEG signals were classified as epileptic or healthy. The performans evaluation of the used networks has been carried out by performing ROC analysis.
In this study, it has been aimed to perform automatic classification for diagnosis of epilepsy sendrom via various Artificial Neural Networks (ANN) by investigaing electroencephalography (EEG) signals using wavelet analysis (WT). First of all, structre of human brain and nevre cells are examined and that is explained what was epilepsy and how biological signals were formed. EEG signals recorded from different healthy volunteers and epilepsy patients and this signals were decomposed into the frequency sub-bands using wavelet transform and a set of statistical features was extracted from the sub-bands. This features vectors?s dimensions were reduced with PCA method and then these features were used as inputs to LVQ, RBF, GRNN, MLP, PNN and ELMAN ANNs. After all, EEG signals were classified as epileptic or healthy. The performans evaluation of the used networks has been carried out by performing ROC analysis.
Açıklama
Anahtar Kelimeler
Epilepsi, Elektroensefalografi, Sinyal işleme, Dalgacık dönüşümü, Yapay sinir ağları, ROC analiz, PCA, Matlab, Epilepsy, Electroencephalography, Signal processing, Wavelet transform, Artificial neural networks, Roc analysis
Kaynak
WoS Q Değeri
Scopus Q Değeri
Cilt
Sayı
Künye
Sezer, E. 2008. Epilepsi teşhisi için EEG sinyal analizi. Selçuk Üniversitesi, Yayımlanmış yüksek lisans tezi, Konya.