SavedAdd your journal

Journals / Electronic Letters on Science and Engineering / 2021 / Cilt: 17 - Sayı: 1

Fokal ve Fokal Olmayan EEG Sinyallerinin Sınıflandırılması

Bayram KARAMAN
Ayşegül GÜVEN
Pages
20–29
Publication Date
2021-06-30
DOI
—
🏛️Bibliographic metadata and full text access for this article are provided via DergiPark.
DergiPark Record ↗
✨

AI Summary & Key Takeaways

AI Insight
⚡ TL;DR(Too Long; Didn't Read)

Yapılan bu sınıflandırmalar sonucunda LR ve SVM sırasıyla %81 ve %83 sınıflandırma doğruluğu elde edilmiştir.

📌 3 Key Takeaways

🎯
Objective & Hypothesis:Epilepsi beyinde bulunan nöronlarda ani ve kontrolsüz boşalmalar sonucu oluşan nörofizyolojik bir hastalıktır.
📊
Key Findings & Data:Dünya üzerinde birçok insan epilepsi hastalığından muzdariptir.
💡
Conclusion & Impact:Yapılan bu sınıflandırmalar sonucunda LR ve SVM sırasıyla %81 ve %83 sınıflandırma doğruluğu elde edilmiştir.
🔬Design:Modeling & Simulation
📍Scope:Comprehensive Sample
⚙️Variables:Epilepsi · Elektroensefalogram · Lojistik Regresyon

Abstract

Epilepsi beyinde bulunan nöronlarda ani ve kontrolsüz boşalmalar sonucu oluşan nörofizyolojik bir hastalıktır. Dünya üzerinde birçok insan epilepsi hastalığından muzdariptir. Fokal (F) ve Fokal olmayan (NF) bölgelerin Elektroensefalogram (EEG) sinyalleri üzerinden otomatik olarak sınıflandırılması epilepsi hastalığının teşhisinde önemli bir yere sahiptir. Önerilen çalışmada F ve NF EEG sinyallerinin dalgacık katsayıları için Ayrık Dalgacık Dönüşümü kullanılmıştır. Bu katsayılardan Shannon Entropi, Log Enerji Entropi, Aritmetik Ortalama ve Medyan olarak dört özellik çıkarılmıştır. Bu özellikler WEKA (bilgi analizi için wikato ortamı) programında yer alan Lojistik Regresyon (LR) ve Destek Vektör Makineleri (SVM) algoritmaları ile sınıflandırılmıştır. Yapılan bu sınıflandırmalar sonucunda LR ve SVM sırasıyla %81 ve %83 sınıflandırma doğruluğu elde edilmiştir.

🔖

Cite This Article

KARAMAN, B., GÜVEN, A. (2021). Fokal ve Fokal Olmayan EEG Sinyallerinin Sınıflandırılması. Electronic Letters on Science and Engineering, Cilt: 17 - Sayı: 1, 20–29. https://ajindex.com/articles/219386

📄 Full Text PDF Viewer

📄

PDF görüntüleyici hazırlanıyor...

References (2)

  1. Referans1 Fisher, RS., Van Emde Boas, W., Blume, W., et al., “Epileptic seizures and epilepsy: definitions proposed by the International League Against Epilepsy (ILAE) and the International Bureau for Epilepsy (IBE).”, Epilepsia, 46(4)., 470-2., 2005. Referans2 http://www.who.int/news-room/fact-sheets/detail/epilepsy.
  2. World Health Organization, World Health Organization, 10.10.2020. Referans3 Savic, I., Thorell, JO., & Roland, P., “[11C] flumazenil positron emission tomography visualizes frontal epileptogenic regions.”, Epilepsia, 36(12), 1225-1232, 1995. Referans4 Newton, M.R., Berkovic, S.F., Austin, M.C., Row, C.C., McKay, W. J., & Bladin, P.F., “SPECT in the localisation of extratemporal and temporal seizure foci”, Journal of Neurology, Neurosurgery & Psychiatry, 59(1), 26-30, 1995. Referans5 Seeck, M., Lazeyras, F. C., Michel, M., Blanke, O., Gericke, C. A., Ives, J., & Landis, T., “Non-invasive epileptic focus localization using EEG-triggered functional MRI and electromagnetic tomography”, Electroencephalography and clinical Neurophysiology, 106(6), 508-512, 1998. Referans6 Acharya, U.R., Hagiwara, Y., Despande, S.N., Suren, S., Koh, J.E.W., Oh, S.L., Arunkumar, N., Ciaccio, E.J., Lim, C.M., "Characterization of focal EEG signals: A review", Future Generation Computur Systems, 91, 290-299, 2019. Referans7 Sharma, R., Kumar, M., Pachori, R.B., Acharya, U.R., "Decision support system for focal EEG signals using tunable-Q wavelet transform", Journal of Computational Science, 20, 52-60, May 2017. Referans8 Andrzejak, R.G., Schindler, K., Rummel, C., "Nonrandomness nonlinear dependence and nonstationarity of electroencephalographic recordings from epilepsy patients", Physical Review E, 86, 046206, 2012. Referans9 Kaya, Y., Uyar, M., Tekin, R., Yıldırım, S., “1D-local binary pattern based feature extraction for classification of epileptic EEG signals”, Applied Mathematics and Computation, 243, 209-219, 2014. Referans10 Arunkumar, N., Ram Kumar, K., Venkataraman, V., "Entropy features for focal EEG and nonfocal EEG", J. Comput. Sci, 27, 440-444, 2018. Referans11 Bhattacharyya, A., Sharma, M., and Bilas, R., “A novel approach for automated detection of focal EEG signals using empirical wavelet transform,” Neural Comput. Appl., 29(8), 47–57, 2018. Referans12 Singh, P., Pachori, R.B., "Classification of focal and nonfocal EEG signals using features derived from Fourier-based rhythms", Journal of Mechanics in Medicine and Biology, 17(07), 2017. Referans13 Prasa