A novel hybrid feature extraction method for classification of chemosensory EEG signals
Kemoduysal EEG sinyallerinin sınıflandırılması için yeni bir hibrit öznitelik çıkarma yöntemi
- Tez No: 787492
- Danışmanlar: PROF. DR. NESLİHAN DEMİREL
- Tez Türü: Doktora
- Konular: İstatistik, Biyofizik, Elektrik ve Elektronik Mühendisliği, Statistics, Biophysics, Electrical and Electronics Engineering
- Anahtar Kelimeler: Elektroensefalografi, Parkinson hastalığı, Sınıflandırma, Öznitelik çıkarma, Electroencephalography, Parkinson disease, Classification, Feature
- Yıl: 2023
- Dil: İngilizce
- Üniversite: Dokuz Eylül Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: İstatistik Ana Bilim Dalı
- Bilim Dalı: İstatistik Bilim Dalı
- Sayfa Sayısı: Belirtilmemiş.
Özet
Bu çalışmanın temel amacı, genellikle incelenmesi zor olan kemosensör elektroensefalografi (EEG) sinyallerini kullanarak Parkinson hastalığını erken evrelerinde teşhis etmenin daha doğru bir yolunu geliştirmektir. Bu amaçla bu çalışmada Topluluk Ampirik Mod Ayrıştırma ve Vektör Otoregresif Modeli birleştiren EEMD_VAR adlı hibrit bir özellik çıkarma yöntemi önerilmektedir. Bu yöntem, özniteliklerin rastgele seçilmesini önlemek ve öznitelik sayısını otomatik olarak belirlemek için tasarlanmıştır. Önceden işlenmiş EEG sinyalleri, Topluluk Ampirik Mod Ayrıştırma kullanılarak ayrıştırılır ve ortaya çıkan İçsel Mod Fonksiyonları, Vektör Otoregresif modelinde bağımsız değişkenler olarak kullanılır. VAR modelinin katsayıları daha sonra çeşitli denetimli sınıflandırma algoritmalarında özellik olarak kullanılır. EEMD_VAR yönteminin performansı, Otoregresif modeli ve Hjorth parametreleri ile karşılaştırılır. Önerilen yöntemin, C2 elektrotunda yapay sinir ağları kullanarak maksimum yüzde 100'lük bir sınıflandırma doğruluğu elde ettiği, Otoregresif yöntemi ve Hjorth parametrelerinin ise yalnızca yüzde 72'lik bir maksimum doğruluk elde ettiği bulunmuştur. Diğer performans ölçütleri de önerilen yöntemin etkinliğini desteklemektedir. Ayrıca, beynin sağ tarafındaki elektrotlardan alınan daha yüksek sonuçlar, beynin sağ tarafının koku alma uyaranlarına karşı daha duyarlı olabileceği görülmektedir.
Özet (Çeviri)
The main goal of this study is to develop a more accurate way of diagnosing Parkinson's Disease in its early stages using chemosensory Electroencephalography (EEG) signals, which are often difficult to study. We propose a hybrid feature extraction method called EEMD_VAR that combines Ensemble Empirical Mode Decomposition (EEMD) and Vector Auto-regressive (VAR) analysis. This method is intended to avoid the arbitrary selection of features and automatically determine the number of features. The pre-processed EEG signals are decomposed using EEMD, and the resulting Intrinsic Mode Functions (IMFs) are used as independent variables in the VAR model. The coefficients of the VAR model are then used as features in various supervised classification algorithms. The performance of the EEMD_VAR method is compared to that of the Auto-Regressive (AR) model and Hjorth parameters. The proposed method is found to achieve a maximum classification accuracy of 100% using Artificial Neural Networks (ANN) in the C2 electrode, whereas the AR method and Hjorth parameters only achieve maximum accuracy of 72%. The other performance metrics also support the effectiveness of the proposed method. Furthermore, the higher results from electrodes on the right side of the brain suggest that the right side of the brain may be more sensitive to olfactory stimuli.
Benzer Tezler
- Karma yapılı ikili karar ağacı tabanlı koku tanıma sistemi
A hybrid binary decision tree based odor recognition system
SELDA GÜNEY
Doktora
Türkçe
2013
Elektrik ve Elektronik MühendisliğiKaradeniz Teknik ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
YRD. DOÇ. DR. AYTEN ATASOY
- Radarla hedef tanıma ve sınıflandırma için temel bileşenler analizine dayalı yeni karma yöntemler
Novel hybrid methods based on pca for radar target recognition and classification
YAŞAR KARTAL
Yüksek Lisans
Türkçe
2018
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
PROF. DR. MURAT TAYFUN GÜNEL
- Yapay zekâ-tabanlı hibrit anomali tespit ve klinik karar destek teknikleri ile kardiyovasküler hastalıkların ve COVİD-19'un otomatik tespiti
Artificial intelligence-based hybrid anomaly detection and clinical decision support techniques for automated detection of cardiovascular diseases and COVİD-19
MERVE BEGÜM TERZİ
Doktora
İngilizce
2023
Elektrik ve Elektronik Mühendisliğiİhsan Doğramacı Bilkent ÜniversitesiElektrik ve Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. ORHAN ARIKAN
- Buğdayda sarı pas (Puccinia striiformis) hastalığının değerlendirilmesi için görüntü ı̇şleme teknikleri kullanılarak bir karar destek sisteminin geliştirilmesi
Development of a decision support system by using image processing techniques for estimation of yellow rust (Puccinia striiformis) disease
TOLGA HAYIT
Doktora
Türkçe
2021
Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve KontrolKırıkkale ÜniversitesiBilgisayar Mühendisliği Ana Bilim Dalı
PROF. DR. HASAN ERBAY
- Koroner arter hastalığının makine öğrenmesi teknikleriyle teşhisi
Diagnosis of coronary artery disease using machine learning techniques
ŞÜKRÜ ALKAN
Yüksek Lisans
Türkçe
2025
Elektrik ve Elektronik MühendisliğiSakarya ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. MUHAMMED KÜRŞAD UÇAR