Depresyonun EEG sinyallerinden sinyal işleme ve yapay zeka yöntemleriyle analizi
Analyzing depression through EEG signals using signal processing and AI methods
- Tez No: 966721
- Danışmanlar: PROF. DR. FATMA LATİFOĞLU
- Tez Türü: Yüksek Lisans
- Konular: Mühendislik Bilimleri, Engineering Sciences
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2025
- Dil: Türkçe
- Üniversite: Erciyes Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Biyomedikal Mühendisliği Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
Dünya Sağlık Örgütü'ne göre depresyon, küresel sağlık sorunlarının başlıca nedenlerinden biri olarak kabul edilmekte ve erken tanısı için biyobelirteç temelli yöntemlere duyulan ihtiyaç giderek artmaktadır. Bu tez çalışmasında, elektroensefalografi (EEG) sinyallerinden elde edilen öznitelikler ve çeşitli makine öğrenmesi algoritmaları kullanılarak, depresyonlu ve sağlıklı bireylerin sınıflandırılması amaçlanmıştır. Çalışmada hem 128 elektrotlu EEG kayıtları hem de yalnızca frontal bölgedeki (Fp1, Fpz, Fp2) üç elektrot ile elde edilen düşük kanallı EEG verileri değerlendirilmiştir. Sinyal ön işleme sürecinde FIR filtreleme ve Bağımsız Bileşenler Analizi (ICA) teknikleri uygulanmış, ardından EMD, EWT ve VMD gibi farklı ayrıştırma yöntemleriyle sinyalin alt bileşenleri elde edilmiştir. Yüksek boyutlu öznitelik uzayından anlamlı özniteliklerin seçilmesi amacıyla LASSO algoritması kullanılmıştır. Verilerdeki sınıf dengesizliğini gidermek için ADASYN yöntemi ile sentetik veri üretimi gerçekleştirilmiştir. Son aşamada KNN, SVM ve ANN algoritmaları kullanılarak sınıflandırma işlemleri yapılmış ve model başarıları çapraz doğrulama (10-fold ve LOOCV) yöntemleri ile değerlendirilmiştir. 128 kanallı EEG verilerinde ANN ve SVM modelleri %100 doğruluk, hassasiyet, seçicilik ve kesinlik değerleri ile öne çıkarken; 3 kanallı EEG sistemlerinde VMD yöntemi ile desteklenen ANN modeli %98 doğruluğa ulaşmıştır. Elde edilen bulgular, hem yüksek hem de düşük kanallı EEG sistemleri ile depresyonun yüksek doğrulukla sınıflandırılabileceğini göstermektedir.
Özet (Çeviri)
According to the World Health Organization, depression is one of the leading global health problems, highlighting the growing need for biomarker-based diagnostic approaches. In this thesis, classification of depressive and healthy individuals was investigated using features extracted from electroencephalography (EEG) signals and various machine learning algorithms. The study includes both high-resolution 128-channel EEG data and low-channel EEG data obtained from three frontal electrodes (Fp1, Fpz, Fp2). During signal preprocessing, techniques such as FIR filtering and Independent Component Analysis (ICA) were applied to eliminate noise. Subsequently, signal decomposition methods including Empirical Mode Decomposition (EMD), Empirical Wavelet Transform (EWT), and Variational Mode Decomposition (VMD) were used to extract intrinsic signal components. The Least Absolute Shrinkage and Selection Operator (LASSO) was employed for selecting informative features from the high-dimensional feature space. To address class imbalance in the data, synthetic samples were generated using the Adaptive Synthetic Sampling (ADASYN) method. Classification was performed using K-Nearest Neighbors (KNN), Support Vector Machines (SVM), and Artificial Neural Networks (ANN), and the model performances were evaluated through 10-fold and LOOCV cross-validation. Results showed that ANN and SVM achieved 100% accuracy, sensitivity, specificity, and precision with 128-channel EEG data. Furthermore, the VMD-based ANN model achieved up to 98% accuracy in the 3-channel EEG setup.
Benzer Tezler
- Majör depresyon hastalığının tespiti için elektroensefalografi EEG sinyallerinin incelenmesi ve yapay zekâ teknikleriyle sınıflandırılması
Classification of major depressive disorder from eeg signals usi̇ng artificial intelligence techniques
DERYA ÖZCAN
Yüksek Lisans
Türkçe
2024
BiyomühendislikErciyes ÜniversitesiBiyomedikal Mühendisliği Ana Bilim Dalı
PROF. DR. ESMA UZUNHİSARCIKLI
- Analysis of electroencephalography (EEG) signals taken from patients suffer from major depressive disorder
Majör depresyonlu hastalardan alınan EEG sinyallerinin analizi
SÜMEYRA AGAMBAYEV
Yüksek Lisans
İngilizce
2014
BiyomühendislikFatih ÜniversitesiBiyomedikal Mühendisliği Ana Bilim Dalı
PROF. DR. SADIK KARA
YRD. DOÇ. DR. SAİME AKDEMİR AKAR
- Transkraniyal manyetik stimülasyon tedavisi alan depresyonlu bireylerde elektroensefalografi verilerinin permütasyon lempel-ZIV kompleksi yöntemi ile tespiti
Determination of electroencephalography data in depressed individuals receiving transcranial magneti̇c stimulation therapy by permutation lempel-ZIV complex method
ASLIHAN ÇAĞLAN
Yüksek Lisans
Türkçe
2024
BiyomühendislikKocaeli ÜniversitesiBiyomedikal Mühendisliği Ana Bilim Dalı
PROF. DR. ARİF ÖZKAN
- 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
2025
Elektrik ve Elektronik MühendisliğiDicle ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
PROF. DR. MEHMET AKIN
- EEG tabanlı duygu kestirim uygulamaları için kaotik analiz ile öznitelik seçme
Feature selection for EEG based emotion prediction applications through chaotic analysis
ŞUAYİP ACAR
Yüksek Lisans
Türkçe
2016
Elektrik ve Elektronik MühendisliğiDumlupınar ÜniversitesiElektrik-Elektronik Mühendisliği Ana Bilim Dalı
DOÇ. DR. HAMDİ MELİH SARAOĞLU