Görüntüleme
10
İndirme
4
Elektroensefalografi (EEG) nörolojik hastalıkların tespitinde sahip olduğu çok kanallı ve yüksek zaman çözünürlüklü yapısı ile çalışmalarda etkili bir görüntüleme aracı olarak popülerliğini korumaktadır. Bu çalışmada, Hilbert Dönüşümü (HD) kullanılarak EEG kayıtlarından kanal bazlı şizofreni hastalığının tespiti amaçlanmıştır. İşarete ait sanal bileşenler bu dönüşümle analiz edilip hasta/kontrol gruptan oluşan öznitelik vektörleri Destek Vektör Makinası (DVM) ile sınıflandırılmıştır. Kullanılan EEG veri seti, yaşları 10-14 arasında değişen 39 şizofreni ve yaşları 11-13 arasında farklılık gösteren 39 sağlıklı katılımcıdan elde edilmiştir. Mevcut kayıtlar katılımcının gözleri kapalı konumda iken 10-20 sistemine göre düzenlenmiş 16 elektrot aracılığı ile 1 dakika süresince alınmıştır. Çalışmada kullanılan kanallar frontal, parietal, temporal, central ve oksipital lob’un ilgili bölgelerinden seçilmiştir. Yapılan sınıflandırma işleminde k=10 çapraz doğrulama kullanılarak eğitim ve test kümeleri oluşturulmuştur. Çalışmada sınıflandırma başarımın yanında Tutturma (Precision), Bulma (Recall), F1-Score değerleri de hesaplanmıştır. Çalışmada en iyi sınıflandırma başarımı %95,19 ile frontal lob ’dan oluşan özniteliklerden elde edilmiştir. En düşük sınıflandırma performansının ise temporal lob bölgesinden alınan kanal öznitelikleri olduğu görülmüştür. Sağlıklı ve hasta grupların başarılı şekilde ayrıştırılması, izlenilen metodun klinik tedavilerde uygulanabileceğini, klinisyenlere tedavi edilecek kişinin durumu konusunda fikir verebileceğini göstermektedir. Önerilen çalışma mevcut hali ile şizofreni hastalığı tespitinde literatüre katkı sunacak pratik bir uygulama olarak umut vadetmektedir.
Electroencephalography (EEG) retains its popularity as an effective imaging tool in studies with its multi-channel and high-time resolution structure in the detection of neurological diseases. In this study, the purpose of the Hilbert Conversion (HD) is to detect channel-based schizophrenia from EEG records. The signal’s virtual components are analyzed by this conversion and classified by the patient/control group’s proprietary vectors by the Support Vector Machine (DVM). The EEG data set used was obtained from 39 healthy participants with age differences between 10-14 and age differences between 11-13 and age differences between 10-14 and age differences between 11-13 and age differences between 10-14 and age differences between 10-14 and age differences between 11-13 and age differences between 10-14 and age differences between 11-13 and age differences between 10-14 and age differences between 10-14 and age differences between 10-14 and age differences between 11-13 and age differences between 10-14 and age differences between 10-14 and age differences between 10-14 and age differences between 10-14 and age differences between 10-14 and age differences between 10-14 and age differences between 10-14 and age differences between 10-14 and age differences between 10-14 and age differences between 10-14 and age differences between 10-14 and age differences between 10-14 and age differences between 10-14 and age differences. Current records were taken for 1 minute through 16 electrots arranged according to the 10-20 system while the eye of the participant was closed. The channels used in the study were selected from the relevant areas of the frontal, parietal, temporal, central and oxypital lob. In the classification process k=10 cross-verification has been created training and test sets. In addition to the success of classification in the study, the values of Precision (Precision), Recall (Recall) and F1-Score are also calculated. The best classification success in the study was achieved from the specialties of the frontal lob with 95.19%. The lowest classification performance is seen as the channel properties taken from the temporal lob area. Successful separation of healthy and patient groups shows that the followed method can be applied in clinical treatments, and clinics can give an opinion about the condition of the person to be treated. The proposed study promises hope as a practical application that will contribute to literature in the detection of schizophrenia disease with the current state.
Alan : Mühendislik
Dergi Türü : Ulusal
Makale Detay 
Benzer Makaleler
Dergi Bilgisi
Eseri Dinleyin
Alıntı Yap
Bu Sayfayı Yazdırın
Paylaş
Mendeley
