Tez No	İndirme	Tez Künye	Durumu
216012		EEG sinyallerindeki epileptiform aktivitenin veri madenciliği süreci ile tespiti / The detection of an epileptiform activity on EEG signals by using data mining process Yazar:MEHMET ALBAYRAK Danışman: PROF. DR. ETEM KÖKLÜKAYA Yer Bilgisi: Sakarya Üniversitesi / Fen Bilimleri Enstitüsü / Elektrik ve Elektronik Mühendisliği Bölümü / Elektronik Mühendisliği Ana Bilim Dalı Konu:Bilgisayar Mühendisliği Bilimleri-Bilgisayar ve Kontrol = Computer Engineering and Computer Science and Control ; Elektrik ve Elektronik Mühendisliği = Electrical and Electronics Engineering ; Teknik Eğitim = Technical Education Dizin:Elektroensefalografi = Electroencephalography ; Epilepsi = Epilepsy ; Veri madenciliği = Data mining	Onaylandı Doktora Türkçe 2008 143 s.
Türkiye'de ve dünyada; biyomedikal ve sinyal işleme konularındaki çalışmalara bakıldığında, hem teorik hem de uygulamalı olarak çok sayıda çalışmanın bulunduğu göze çarpmaktadır. Bu çalışmalar genel olarak; elektronik sistem tasarımları, matematiksel modeller, istatistik metotlarla yapılmış çalışmalar, yapay zekâ tabanlı (bulanık mantık, yapay sinir ağları ve genetik algoritmalar içeren) çalışmalar ve tıbbi yazılımlar (genel olarak mobil uygulamalar ve cihaz otomasyonları) olarak gruplandırılabilir. Bu alandaki çalışmaların özellikle 2000 yılından sonraki artışı dikkat çekicidir. Türkiye'de ve dünyada veri madenciliği alanında çalışmaların çok yeni ve az oluşunun yanı sıra, tıbbi veriler üzerindeki veri madenciliği çalışmalarının yok denecek kadar az olması konunun önemini ortaya koymaktadır. Veri madenciliği süreçlerinin tıbbi veriler üzerinde uygulanması sonucunda analiz süresinin kısaldığı ve yüksek doğruluk oranı içeren sonuçlar elde edildiği görülmektedir. Çalışma bu bakımdan ele alındığında, güncel bir uygulama olarak önem taşımaktadır.Bu çalışmada; elektroensefolagram (EEG) verileri üzerinde, epileptik aktivitelerin olup olmadığının belirlenmesi ve daha sonraki aşamalarda geliştirilecek ilave yazılımlarla otomatik teşhis koymaya yardımcı bir araç geliştirilmesi amaçlanmıştır. Verilerin veri madenciliği süreçleri kapsamında sınıflama ve kümeleme algoritmaları kullanarak tespit edilebilmesi için öncelikli olarak sekiz adet öznitelik parametresi seçilmiş ve belirlenen öznitelik değerleri hesaplanmıştır. Belirlenen öznitelikler için elde edilen sonuçlar, on bir ayrı veri madenciliği algoritmasına tabi tutulmuş ve seçilen bazı algoritmaların yüksek doğruluk oranı ile epileptik aktiviteyi tespit ettiği görülmüştür. Böylelikle farklı veri madenciliği algoritmaları ile elde edilen sonuçların hesaplama sürelerinin ve doğruluk oranlarının kıyaslanması sağlanmıştır. En yüksek doğruluk oranını verdiği tespit edilen algoritmalar yardımı ile bu alanda çalışan uzmanların epileptik aktivite teşhisi koymalarına zemin oluşturmak, ilgililerin teşhis sürecinde karar vermelerini kolaylaştırmak ve konulan teşhislerde doğruluk oranını yükselterek, Türkiye'de nöroloji ve bilgisayar bilimleri literatürüne katkı sağlanması hedeflenmiştir.
A lot of theoretical and practical studies on biomedical and signal processing have been carried out in the world and Turkey. The studies generally include electronic system designs, mathematical models, statistical analysis, fuzzy logic, neural network and genetic algorithm based models, mobile medical applications and related software designs and intelligent equipment automations. Increases in the number of such studies after 2000?s are very significant. A very limited and insufficient number of studies on data mining in the world and Turkey clearly show the need for such studies. Using data mining process in the area of medical data shortens the time span of analysis and increases the accuracy of the result. Such findings indicate that this study has high implementation value and an up-to-date subject.In this study; the goal is to develop a tool and additional software that would help diagnose whether or not there are epileptic activities based on electroencephalograph (EEG) data. Firstly, eight attribute parameters are selected in order to be able to gather data by using grouping and classification algorithm in the process of data mining. Then, the values of selected attribute parameters are determined. Thirdly, the values of selected attribute parameters are analyzed by eleven different data mining algorithms and it is observed that some selected algorithms help detect epileptic activity with high accuracy levels. Accordingly, it is found that different data mining algorithms allow for a comparison of calculation time and accuracy levels of the results. Through the algorithms that give the highest accuracy level, the findings of the study provide health care professionals with the data to diagnose epileptic activity, to ease the decision making process in the process of diagnosis, and to contribute to neurological studies and computer science literature in Turkey by increasing the level of accuracy in diagnosis.