Epilepsi teşhisi için EEG sinyal analizi

Basit Öğe Kaydı
dc.contributor.advisorIşık, Hakan
dc.contributor.authorSezer, Esma
dc.date.accessioned2014-11-12T13:57:42Z
dc.date.available2014-11-12T13:57:42Z
dc.date.issued2008
dc.departmentEnstitüler, Fen Bilimleri Enstitüsü, Elektronik ve Bilgisayar Sistemleri Eğitimi Ana Bilim Dalıen_US
dc.description.abstractBu 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.en_US
dc.description.abstractIn 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.en_US
dc.identifier.citationSezer, E. 2008. Epilepsi teşhisi için EEG sinyal analizi. Selçuk Üniversitesi, Yayımlanmış yüksek lisans tezi, Konya.en_US
dc.identifier.urihttps://hdl.handle.net/20.500.12395/492
dc.language.isotren_US
dc.publisherSelçuk Üniversitesi Fen Bilimleri Enstitüsüen_US
dc.relation.publicationcategoryTezen_US
dc.rightsinfo:eu-repo/semantics/openAccessen_US
dc.selcuk20240510_oaigen_US
dc.subjectEpilepsien_US
dc.subjectElektroensefalografien_US
dc.subjectSinyal işlemeen_US
dc.subjectDalgacık dönüşümüen_US
dc.subjectYapay sinir ağlarıen_US
dc.subjectROC analizen_US
dc.subjectPCAen_US
dc.subjectMatlaben_US
dc.subjectEpilepsyen_US
dc.subjectElectroencephalographyen_US
dc.subjectSignal processingen_US
dc.subjectWavelet transformen_US
dc.subjectArtificial neural networksen_US
dc.subjectRoc analysisen_US
dc.titleEpilepsi teşhisi için EEG sinyal analizien_US
dc.title.alternativeEEG signal analysis for epilepsy diagnosisen_US
dc.typeMaster Thesisen_US

Dosyalar

Orijinal paket
Listeleniyor 1 - 1 / 1
Küçük Resim
İsim:
Esma_Sezer_Tez.pdf
Boyut:
5.42 MB
Biçim:
Adobe Portable Document Format
Açıklama:
Tez
İndir
Lisans paketi
Listeleniyor 1 - 1 / 1
Küçük Resim Yok
İsim:
license.txt
Boyut:
1.71 KB
Biçim:
Item-specific license agreed upon to submission
Açıklama:
İndir

Koleksiyon

Fen Bilimleri Enstitüsü Tez Koleksiyonu