Atıf Sayısı
5
Görüntüleme
19
Bu çalışmada, sağlıklı ve nöbet esnasındaki EEG sinyallerini ayrıştıran bir sistem tasarımı amaçlanmıştır. Bunun için İlinti Boyutu, Dalgacık-entropisi ve Destek Vektör Makinesi(DVM) içeren kompozit bir sistem önerilmiştir. Çalışmada kullanılan EEG verileri, Bonn Üniversitesi Epileptoloji bölümü veritabanından alınmıştır. Bu veritabanından 50 adet sağlıklı ve 50 adet epileptik olmak üzere toplam 100 adet EEG bölütü kullanılmıştır. Bu bölütlere kaotik yöntemlerin uygulanabilmesi için öncelikle faz uzayları oluşturulmuştur. Faz uzayları üzerinden İlinti Boyutu değerleri hesaplanmıştır. Dalgacık analizi ile EEG bölütleri, literatürde standart olarak belirlenen alt-bantlara; delta=(0.5-4Hz), teta=(4-8Hz), alfa=(8-12Hz) ve beta=(12-32Hz) ayrıştırılmıştır. Bu bantlarda elde edilen EEG spektral bileşenlerin normalize enerjileri alınıp Shannon entropi’leri hesaplanmıştır. Sağlıklı ve epileptik EEG sinyallerinden özellik çıkarmak için ilinti boyutu analizinden elde edilen özgün veri ve dalgacık-entropi analizinden elde edilen özgün veriler (4 adet alt bant entropi’leri) DVM’nin girişine verilmek üzere her bir EEG bölütü için 5’li bir öznitelik vektörü oluşturulmuştur. Elde edilen tüm öznitelik vektörlerinin sınıflandırılması için DVM kullanılmıştır. DVM sağlıklı ve epileptik olmak üzere toplam 50 EEG bölütü ile eğitilmiş ve geriye kalan 50 bölütle de test yapılmıştır. Sağlıklı ve epileptik EEG bölütlerinin hesaplanan ilinti boyutları ve dalgacık entropilerinin sınıflandırmada ayırt edici olduğu görülmüştür. Başarım değerlendirme ölçütleri kullanılarak önerilen kompozit sistemin %98 gibi bir başarı ile sınıflandırma yapabildiği tespit edilmiştir.
This study aims to design a system that separates healthy and EEG signals during an attack. For this, a compound system with the Voltage Size, Wave-entropy and Support Vector Machine (DVM) was recommended. The EEG data used in the study was obtained from the database of the Bonn University’s Department of Epileptology. A total of 100 EEG divisions, 50 healthy and 50 epileptic, have been used from this database. First, phase spaces were created in order to apply chaotic methods to these divisions. The size of the phase spaces is calculated. With the wave analysis, the EEG divisions are divided into the standard-defined sub-bands in literature; delta=(0.5-4Hz), teta=(4-8Hz), alpha=(8-12Hz) and beta=(12-32Hz). The normalized energies of the EEG spectral components obtained in these bands are taken and the Shannon entropies are calculated. The original data obtained from the link size analysis and the original data obtained from the wavelength-entropic analysis (4 subband entropies) for each EEG section to be given to the input of the DVM has been created a 5 specificity vector for each EEG section. DVM has been used to classify all obtained proprietary vectors. DVM has been trained with a total of 50 EEG divisions, including healthy and epileptic, and the remaining 50 divisions have also been tested. Healthy and epileptic EEG divisions have been shown to be distinctive in the classification of calculated transmission sizes and wave entropy. It has been found that using the success assessment criteria the recommended composite system could classify with a success of 98%.
Alan : Mühendislik
Dergi Türü : Ulusal
Makale Detay 
Atıf Yapanlar
Benzer Makaleler
Dergi Bilgisi
Eseri Dinleyin
Bu Sayfayı Yazdırın
Paylaş
Mendeley
