Geri Dön

Epilepsi hastalığının yapay zekâ yöntemleri kullanılarak teşhisi ve sınıflandırılması

Diagnosis and classification of epilepsy disease using artificial intelligence methods

PDF İndir

  1. Tez No: 747384
  2. Yazar: ERDEM TUNCER
  3. Danışmanlar: PROF. DR. EMİNE BOLAT
  4. Tez Türü: Doktora
  5. Konular: Biyomühendislik, Bioengineering
  6. Anahtar Kelimeler: Epilepsi, Makine öğrenmesi, Veri madenciliği, Yapay zeka, Örüntü tanıma, Epilepsy, Machine learning, Data mining, Artificial intelligence, Pattern recognition
  7. Yıl: 2022
  8. Dil: Türkçe
  9. Üniversite: Kocaeli Üniversitesi
  10. Enstitü: Fen Bilimleri Enstitüsü
  11. Ana Bilim Dalı: Biyomedikal Mühendisliği Ana Bilim Dalı
  12. Bilim Dalı: Belirtilmemiş.
  13. Sayfa Sayısı: Belirtilmemiş.

Özet

Epileptik nöbetler; fokal, jeneralize veya bilinmeyen olarak sınıflandırılan beynin elektriksel aktivitesindeki bozukluklardan kaynaklanır. Epileptik nöbetleri doğru bir şekilde sınıflandırmamak, uygun olmayan tedavi ve nöbetlerin devam etmesine neden olabilir. Bu nedenle, epileptik aktivitenin sınıflandırılmasıyla birlikte jeneralize, fokal ve diğer epileptik nöbetlerin otomatik olarak saptanması önemlidir. Bu çalışmada çeşitli veri tabanlarından elde edilen EEG verilerinin makine öğrenmesi teknikleriyle (11 farklı sınıflandırıcı algoritmasıyla) ayrı ayrı sınıflandırılması sağlanmıştır. Hem geleneksel hem de derin öğrenme yöntemleri kullanılmış, sınıflandırıcı algoritmalarının optimizasyonu yapılarak optimum modeller önerilmiştir. Bonn Üniversitesi veri seti kullanılarak İki Yönlü Uzun-Kısa Süreli Bellek (Bi-LSTM) ile epileptik aktivite ve diğer aktiviteler arasında yapılan sınıflandırmada başarı oranı %96, ikili sınıflandırmalarda ortalama başarı oranı %99 ve tüm sınıflandırmalar için ortalama başarı oranı %97,78 olarak elde edilmiştir. Temple Üniversite Hastanesi EEG Nöbet Corpus (TUSZ) veri seti ile yapılan sınıflandırmada iki farklı sınıflandırma problemi (Karmaşık Kısmi Nöbet Kısmi Nöbet (CPSZ) (C4-T4 Başlangıç)-CPSZ (FP2-F8 Başlangıç)-CPSZ (T5-O1 Başlangıç)- Absans Nöbet (ABSZ)) ve CPSZ-ABSZ) ele alınmıştır. LSTM algoritması kullanılarak dört sınıflı problem için başarı oranı %95,92, iki sınıflı problem için başarı oranı %98,08 olarak tespit edilmiştir. İstanbul Tıp Fakültesi verilerinin (Etik izin karar numarası: KÜ GOKAEK 2018/154) kullanıldığı sınıflandırma probleminde iktal-interiktal EEG kayıtları skorlanmıştır. TUSZ veri seti ile yapılan sınıflandırma sonucunda elde edilen optimum parametlerle sınıflandırıcı algoritmalarının sonuçları değerlendirilmiştir. TUSZ veri setinde elde edilen sonuçlarına benzer şekilde bu veri setiyle de en yüksek başarı oranına (%95,39) LSTM modeli ile ulaşılmıştır. Hem veri madenciliğinin hem de yapay zekâ tekniklerinin kullanıldığı bu çalışmayla, bu araştırma alanına önemli bir bakış açısı sağlanmıştır.

Özet (Çeviri)

Epileptic seizures; It is caused by disturbances in the electrical activity of the brain classified as focal, generalized, or unknown. Failure to correctly classify epileptic seizures can result in inappropriate treatment and continuation of seizures. Therefore, automatic detection of generalized, focal, and other epileptic seizures are important, along with classification of epileptic activity. In this study, EEG data obtained from various databases were classified separately by machine learning techniques (with 11 different classifier algorithms). Both traditional and deep learning methods have been used, and optimum models have been proposed by optimizing the classifier algorithms. Using the University of Bonn dataset, the success rate in the classification between Bidirectional Long-Short-Term Memory (Bi-LSTM) and epileptic activity and other activities was %96, the average success rate in binary classifications was %99, and the average success rate for all classifications was %97,78. Two different classification problems (Complex Partial Seizure (CPSZ) (C4-T4 Onset)-CPSZ (FP2-F8 Onset)-CPSZ (T5-O1 Onset)-Absence Seizure (ABSZ)) and CPSZ-ABSZ) were considered in the classification made with the Temple University Hospital EEG Seizure Corpus (TUSZ) dataset. Using the LSTM algorithm, the success rate for the four-class problem was %95,92, and the success rate for the two-class problem was %98,08. Ictal-interictal EEG records were scored in the classification problem in which Istanbul Faculty of Medicine data (Ethical authorization decision number: KU GOKAEK 2018/154) was used. The results of the classifier algorithms were evaluated with the optimum parameters obtained as a result of the classification made with the TUSZ data set. Similar to the results obtained in the TUSZ data set, the highest success rate (%95,39) was achieved with the LSTM model with this data set. With this study, in which both data mining and artificial intelligence techniques are used, an important perspective has been provided to this research area.

Benzer Tezler

  1. Tez No

    704394

    Derin öğrenme tabanlı epileptik nöbet teşhisi

    Deep learning based epileptic seizure diagnosis

    MUHAMMET VARLI

    Yüksek Lisans

    Türkçe

    Türkçe

    2022

    Bilim ve TeknolojiKarabük Üniversitesi

    Biyomedikal Mühendisliği Ana Bilim Dalı

    DR. ÖĞR. ÜYESİ HAKAN YILMAZ

  2. Tez No

    773063

    Computer Aided Prognosis of Epileptic Patients Using Multi-Modality Data andArtificial Intelligence Techniques

    Çoklu Modalite Verileri ve Yapay Zeka Teknikleri Kullanarak Epilepsi Hastalarına Bilgisayar Yardımıyla Teşhis Konulması

    MASOUD LATIFINAVID

    Yüksek Lisans

    İngilizce

    İngilizce

    2009

    Mekatronik MühendisliğiSharıf Unıversıty Of Technology

    Makine Mühendisliği Ana Bilim Dalı

    PROF. DR. HAMID SOLTANIAN-ZADEH

  3. Tez No

    994665

    Epileptik nöbet belirtilerinin tespiti: EEG sinyallerinin dalgacık dönüşümleri ve transformer modelinin rolü

    Detection of epileptic seizure symptoms: The role of wavelet transforms of EEG signals and the transformer model

    ALİ DEMİR

    Yüksek Lisans

    Türkçe

    Türkçe

    2026

    Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolFırat Üniversitesi

    Teknoloji ve Bilgi Yönetimi Ana Bilim Dalı

    DOÇ. DR. MESUT TOĞAÇAR

  4. Tez No

    804890

    EEG verileri ile derin öğrenme tabanlı epilepsi nöbeti teşhisi

    Emotion analysis with EEG based deep learning

    ABDULKADİR BULDU

    Yüksek Lisans

    Türkçe

    Türkçe

    2023

    Elektrik ve Elektronik MühendisliğiSiirt Üniversitesi

    Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı

    DOÇ. DR. MELİH KUNCAN

    DR. ÖĞR. ÜYESİ KAPLAN KAPLAN

  5. Tez No

    987144

    Mental hastalıkların gerçek zamanlı ve yapay zekâ tabanlı analizi için EEG cihazı tasarımı

    Desıgn of an EEG devıce for real-tıme and aı-based analysıs of mental dısorders

    İBRAHİM DURSUN

    Doktora

    Türkçe

    Türkçe

    2025

    Elektrik ve Elektronik MühendisliğiDicle Üniversitesi

    Elektrik-Elektronik Mühendisliği Ana Bilim Dalı

    PROF. DR. MEHMET AKIN

Geri Dön