Ayrık kosinüs dönüşümü kullanarak EEG sinyallerinden otomatik epilepsi teşhisi

Basit Öğe Kaydı
dc.authorid0000-0003-4230-8022
dc.authorid0000-0001-8166-1211
dc.contributor.authorDemirezen Yağmur, Fatma
dc.contributor.authorSertbaş, Ahmet
dc.date.accessioned2021-06-23T18:57:18Z
dc.date.available2021-06-23T18:57:18Z
dc.date.issued2020
dc.departmentBAİBÜ, Rektörlük, Bilgi İşlem Daire Başkanlığıen_US
dc.description28th Signal Processing and Communications Applications Conference, SIU 2020 -- 5 October 2020 through 7 October 2020 -- -- 166413en_US
dc.description.abstractIn this study, 1-dimensional (1D) biomedical signal analysis based on the Discrete Cosine Transform (DCT) feature extraction method was performed to diagnose high-accuracy epilepsy disease. For the diagnosis of epilepsy, Electroencephalogram (EEG) data were used for 1-dimensional (1D) signal analysis. In addition to DCT, statistical methods such as mean, variance, standard deviation, kurtosis, skewness were applied to 1-dimensional EEG data. The most useful features were selected by applying PCA, LDA, Forward Selection and Backward Selection methods to the obtained feature vectors. EEG features of Healthy, and Epilepsy classification was made as a two-cluster. As a result of the classification realized by the Multilayer Perceptron ANN method; 96% success of 1-dimensional EEG data by using the PCI method selected features. Removing artefacts the original EEG data with ICA (Independent Component Analysis) and statistical calculation of their feature coefficients with AKD was more successful than AKD methods used in the literature. © 2020 IEEE.en_US
dc.description.abstractBu çalışmada, AKD (Ayrık Kosinüs DönüşümüDCT) özellik çıkarım yöntemine dayanan 1 boyutlu (1B) biyomedikal işaret analizi yapılarak yüksek doğruluklu epilepsi hastalığı teşhisi gerçeklenmiştir. Epilepsi hastalığı teşhisi amacıyla 1 boyutlu işaret analizi için EEG (Elektroensefalografi) verileri kullanılmıştır. 1B EEG verilerine AKD ve ortalama, varyans, standart sapma, basıklık, çarpıklık gibi istatistiksel yöntemleri uygulanarak özellik vektörleri çıkarılmıştır. Elde edilen öznitelik vektörlerine TBA (Temel Bileşen Analizi-PCA), DAA (Doğrusal Ayırım Analizi-LDA), İleriye Doğru Seçim ve Geriye Doğru Seçim yöntemleri uygulanarak en etkin özellikler seçilmiştir. EEG özellikleri kullanılarak Sağlıklı / Epilepsi şeklinde 2 kümeli sınıflandırma yapılmıştır. Çok Katmanlı Algılayıcı YSA yöntemi ile gerçeklenen sınıflandırma sonucunda; 1 boyutlu orjinal EEG verilerinin TBA yöntemi uygulanarak seçilen özellikler kullanılarak %96 başarı sınıflandırma doğruluğu elde edilmiştir. Orjinal EEG verilerinin ICA (Bağımsız Bileşen Analizi) ile ayrıştırılarak bunların AKD ile özellik katsayılarının istatistiksel olarak hesaplanması, litaratürde kullanılan AKD yöntemlerine göre daha başarılı olmuştur.
dc.identifier.doi10.1109/SIU49456.2020.9302300
dc.identifier.isbn9781728172064
dc.identifier.scopus2-s2.0-85100300555en_US
dc.identifier.scopusqualityN/Aen_US
dc.identifier.urihttps://doi.org/10.1109/SIU49456.2020.9302300
dc.identifier.urihttps://hdl.handle.net/20.500.12491/5166
dc.indekslendigikaynakScopusen_US
dc.institutionauthorDemirezen Yağmur, Fatma
dc.language.isotren_US
dc.publisherInstitute of Electrical and Electronics Engineers Inc.en_US
dc.relation.ispartof2020 28th Signal Processing and Communications Applications Conference, SIU 2020 - Proceedingsen_US
dc.relation.publicationcategoryKonferans Öğesi - Uluslararası - Kurum Öğretim Elemanıen_US
dc.rightsinfo:eu-repo/semantics/closedAccessen_US
dc.subjectANNen_US
dc.subjectBackward Selectionen_US
dc.subjectDCTen_US
dc.subjectEEGen_US
dc.subjectEpilepsyen_US
dc.subjectForward Selectionen_US
dc.subjectICAen_US
dc.subjectLDAen_US
dc.subjectPCAen_US
dc.subjectEpilepsi
dc.subjectEEG
dc.subjectAyrık Kosinüs Dönüşümü
dc.subjectICA
dc.subjectTBA
dc.subjectDAA
dc.subjectİleriye Doğru Seçim
dc.subjectGeriye Doğru Seçim
dc.subjectYSA
dc.titleAyrık kosinüs dönüşümü kullanarak EEG sinyallerinden otomatik epilepsi teşhisien_US
dc.title.alternativeAutomatic iagnosis of epilepsy from EEG signals using discrete cosine transformen_US
dc.typeConference Objecten_US

Dosyalar

Orijinal paket
Listeleniyor 1 - 1 / 1
Küçük Resim Yok
İsim:
fatma-demirezen-yagmur.pdf
Boyut:
312.24 KB
Biçim:
Adobe Portable Document Format
Açıklama:
Tam metin/ Full text
İndir

Koleksiyon

Scopus İndeksli Yayınlar Koleksiyonu
Bilgi İşlem Daire Başkanlığı