Tez No	İndirme	Tez Künye	Durumu
291280		EEG işaretlerinden epilepsi hastalığının teşhisi için yeni yaklaşımlar / Novel approaches for diagnosis of epilepsy disease from EEG signals Yazar:UMUT ORHAN Danışman: PROF. DR. MAHMUT ÖZER ; YRD. DOÇ. DR. MAHMUT HEKİM Yer Bilgisi: Zonguldak Karaelmas Üniversitesi / Fen Bilimleri Enstitüsü / Elektrik-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 Dizin:Elektroensefalografi = Electroencephalography ; Epilepsi-genel = Epilepsy-generalized ; Kümeleme analizi = Cluster analysis ; Yapay sinir ağları = Artificial neural networks ; İşaret işleme = Signal processing	Onaylandı Doktora Türkçe 2011 103 s.
Epilepsi, beyinde meydana gelen geçici elektrik boşalmaları yüzünden vücutta kontrol edilemeyen istem dışı hareketlere yol açan bir sinir hastalığıdır ve dünyanın ciddi bir bölümünü etkilemektedir. Epilepsi teşhisi EEG işaretlerinin uzmanlar tarafından izlenmesine dayanmaktadır. Uzmanlar tarafından yapılan bu izlemenin zorluğu yüzünden epilepsi teşhisi üzerine yapay zeka temelli birçok çalışma bulunmaktadır. EEG kayıtlarına dayanan bu çalışmaların çoğu iki aşama içermektedir: özellik çıkartma ve sınıflandırma. Genellikle özellik çıkartma aşaması için istatistiksel parametreler, sınıflandırma için de yapay sinir ağı kullanılmaktadır. Özellik çıkartma aşaması için istatistiksel parametreleri kullanmak yerine ilk defa bu çalışmada önerilen ayrıklaştırmaya dayalı olasılık yoğunluğu yaklaşımı kullanılmıştır. EEG işaretleri hem zaman hem de zaman-frekans boyutunda üç yöntem kullanılarak ayrıklaştırılmıştır: eşit genişlikli ayrıklaştırma, eşit frekanslı ayrıklaştırma ve K-means. Her ayrık bölgenin yoğunluğu hesaplanmış ve bu yoğunluk çok katmanlı algılayıcı sinir ağı modeline giriş olarak uygulanmıştır. Ayrıca, eşit frekanslı ayrıklaştırma yöntemine dayalı elde edilen yoğunluklara eğri uydurma uygulanarak EEG segmentlerinin olasılık yoğunluk fonksiyonları belirlenmiş ve sinir ağı yerine ortalama karesel hata ölçütü kullanarak epileptik aktiviteler sınıflandırılmıştır. Son olarak, önerilen özellik çıkartma yaklaşımının ve literatürde aynı EEG işaretlerini kullanan bazı çalışmaların başarıları tüm sonuçlar karşılaştırılarak gösterilmiştir.
Epilepsy is a neurological disease which leads to uncontrollably unconsciously movements occurring as a result of electrical discharges in the brain and affects a considerable part of the world population. Epilepsy diagnosis is based on the monitoring of electroencephalogram (EEG) signals by physicians. Because of the difficulty of monitoring by physicians, there are many researches based on artificial intelligence on epilepsy diagnosis. The most of these researches based on the EEG signals includes two stages: the feature extraction and the classification. In general, statistical parameters and artificial neural networks are used for the feature extraction and the classification, respectively. Instead of using statistical parameters in the feature extraction stage, probability density approach based on discretization proposed first time in this study was used. EEG signals were discretized in both time and time-frequency domains by using three methods: equal width discretization, equal frequency and K-means. The density of each discrete interval was calculated and this density was applied to multilayer perceptron artificial neural network model as the inputs. In addition, the probability density functions of EEG segments were determined by applying the curve fitting to the obtained densities based on equal frequency discretization method, and the epileptic activities were classified by using the mean squared error criterion instead of neural network. Finally, the successes of proposed feature extraction approach and several the studies used the same EEG signals in the literature were shown by comparing all results.