Sonuç olarak, EGA histogramı yaklaşımı biyomedikal işaret işlemede yeni bir özellik çıkartmayöntemi olarak kullanılabilir.
📌 3 Key Takeaways
🎯
Objective & Hypothesis:Bu çalışmada, eşit genişlikli ayrıklaştırma (EGA) yöntemine dayalı yeni bir özellik çıkartma yaklaşımı önerilmişve Elektroensefalogram (EEG) işaretlerinden epileptik atak tespitinde bu yaklaşım ile elde edilen istatikselözellikler çok katmanlı algılayıcı sinir ağı (ÇKASA) modeline giriş olarak kullanılmıştır.
📊
Key Findings & Data:Bu amaç için, EEGişaretleri EGA yöntemi ile ayrıklaştırılmış, her ayrık bölgenin yoğunluğuna dayalı histogramları elde edilmiş vehem gizli katmansız hem de 5 nörona sahip tek gizli katmanlı iki ÇKASA modeline giriş vektörü olarakuygulanmıştır.
💡
Conclusion & Impact:Sonuç olarak, EGA histogramı yaklaşımı biyomedikal işaret işlemede yeni bir özellik çıkartmayöntemi olarak kullanılabilir.
🔬Design:Modeling & Simulation
📍Scope:Comprehensive Sample
⚙️Variables:Eşit genişlikli ayrıklaştırma · biyomedikal işaret işleme · EEG işaretleri
Özet
Bu çalışmada, eşit genişlikli ayrıklaştırma (EGA) yöntemine dayalı yeni bir özellik çıkartma yaklaşımı önerilmişve Elektroensefalogram (EEG) işaretlerinden epileptik atak tespitinde bu yaklaşım ile elde edilen istatikselözellikler çok katmanlı algılayıcı sinir ağı (ÇKASA) modeline giriş olarak kullanılmıştır. Bu amaç için, EEGişaretleri EGA yöntemi ile ayrıklaştırılmış, her ayrık bölgenin yoğunluğuna dayalı histogramları elde edilmiş vehem gizli katmansız hem de 5 nörona sahip tek gizli katmanlı iki ÇKASA modeline giriş vektörü olarakuygulanmıştır. Her iki ÇKASA modeli de epileptik atak tespitinde yüksek başarı sağlamıştır. Bu sonuç, önerilenözellik çıkartma yöntemi sayesinde, doğrusal sınıflayıcıların da epileptik atak tespiti problemini çözebileceğinigöstermektedir. Sonuç olarak, EGA histogramı yaklaşımı biyomedikal işaret işlemede yeni bir özellik çıkartmayöntemi olarak kullanılabilir.
ORHAN, U., HEKİM, M., ÖZER, M. (2013). EŞİT GENİŞLİKLİ AYRIKLAŞTIRMA YÖNTEMİNE DAYALI YENİ BİR ÖZELLİK ÇIKARTMA YAKLAŞIMI VE YAPAY SİNİR AĞI KULLANARAK EPİLEPTİK ATAK TESPİTİ. Gazi Üniversitesi Mühendislik Mimarlık Fakültesi Dergisi, Cilt: 26 - Sayı: 3, 0. https://ajindex.com/articles/20652
Adeli, H., Zhou, Z., ve Dadmehr, N., “Analysis of EEE Records in an Epileptic Patient using Wavelet Transform”, Journal of Neuroscience Methods, No 123, 69–87, 2003.
Güler, İ., ve Übeyli, E. D., “Adaptive Neuro- Fuzzy Inference System for Classification of EEG Signals using Wavelet Coefficients”, Journal of Neuroscience Methods, No 148, –121, 2005.
Khan, Y. U., ve Gotman, J., “Wavelet Based Automatic Seizure Detection in Intra-cerebral Electroencephalogram”, Clinical Neurophysiology, No 114, 898–908, 2003.
Kıymık, M. K., Akın, M., ve Subaşı, A., “Automatic Recognition of Alertness Level by using Wavelet Transform and Artificial Neural Network”, Journal of Neuroscience Methods, No 139, 231–240, 2004.
Ocak, H., “Automatic Detection of Epileptic Seizures in EEG using Discrete Wavelet Transform and Approximate Entropy”, Expert Systems with Applications, No 36, 2027–2036, - Subaşı, A., “Automatic Recognition of Alertness Level from EEG by using Neural Network and Wavelet Coefficients”, Expert Systems with Applications, No 28, 701–711, 2005.
Subaşı, A., “Epileptic Seizure Detection using Dynamic Wavelet Network”, Expert Systems with Applications, No 29, 343–355, 2005.
Subaşı, A., “Automatic Detection of Epileptic Seizure using Dynamic Fuzzy Neural Networks”, Expert Systems with Applications, No 31, 320–, 2006.
Subaşı, A., “EEG Signal Classification using Wavelet Feature Extraction and a Mixture of Expert Model”, Expert Systems with Applications, No 32, 1084–1093, 2007.
Übeyli, E. D., “Combined Neural Network Model Employing Wavelet Coefficients for EEG Signals Classification”, Digital Signal Processing, No, 297–308, 2009.
Übeyli, E. D., “Decision Support Systems for Time-Varying Biomedical Signals: EEG Signals Classification”, Expert Systems with Applications, No 36, 2275–2284, 2009.
Alkan, A., Köklükaya, E., ve Subaşı, A., “Automatic Seizure Detection in EEG using Logistic Regression and Artificial Neural Network”, Journal of Neuroscience Methods, No 148, 167–176, 2005.
Subaşı, A., ve Ercelebi, E., “Classification of EEG Signals using Neural Network and Logistic Regression”, Computer Methods and Programs in Biomedicine, No 78, 87–99, 2005.
Altunay, S., Telatar, Z., ve Eroğul, O., “Epileptic EEG Detection using the Linear Prediction Error Energy”, Expert Systems with Applications, Cilt 37, No 8, 5661–5665, 2010.
Acır, N., “Automated System for Detection of Epileptiform Patterns in EEG by using a Modified RBFN Classifier”, Expert Systems with Applications, Cilt