Affiliation:
1. GAZİANTEP ÜNİVERSİTESİ, TEKNİK BİLİMLER MESLEK YÜKSEKOKULU, BİLGİSAYAR TEKNOLOJİLERİ BÖLÜMÜ
Abstract
Bu çalışma, migren hastalığını (MH) Elektroensefalogram (EEG) verisi kullanarak otomatik olarak teşhisini gerçekleştirmek amacıyla bir bilgisayar destekli tanı sistemi sunmaktadır. Ayrıca önerilen yöntemin farklı ayrıştırma yöntemleri ile test edilerek karşılaştırmalı analizi gerçekleştirilmiştir. EEG sinyalleri Çok Ölçekli Temel Bileşen Analizi (MSPCA) uygulanarak var olan gürültüler giderildikten sonra, Ayarlanabilir Q Faktör Dalgacık Dönüşümü (TQWT), Ampirik Mod Ayrıştırma (EMD) ve Ampirik Dalgacık Dönüşümü (EWT) ayrıştırma yöntemleri ile içsel mod fonksiyonları (IMF) bileşenlerine ayrılmıştır. Her bir IMF bileşeninden istatistiksel özellikler hesaplanarak özellik çıkarım işlemi gerçekleştirilmiştir. Sınıflandırma performansları, her bir IMF bileşeninin özellikleri, Rastgele Orman algoritması ile sınıflandırılarak test edilmiştir. En yüksek sınıflandırma doğruluğu IMF1 ve IMF2 bileşenlerinden elde edilmiştir. IMF1 bileşenine ait özelliklerin Rastgele Orman algoritması ile sınıflandırılmasıyla TQWT için 88.9%, EMD için 92.47% ve EWT için 81.41% sınıflandırma başarımı elde edilmiştir. Bu çalışmada gerçekleştirilen deneysel çalışmalar da EMD ayrıştırma yöntemi karşılaştırılan diğer yöntemlere göre MH ve sağlıklı kontrol deneklerin ayırt edilmesinde iyi bir performans sergilediği gözlemlenmiştir.
Publisher
Dicle Universitesi Muhendislik Fakultesi Muhendislik Dergisi
Reference27 articles.
1. [1] D. Weatherspoon, “Everything You Want to Know About Migraine,” 2017. [Online]. Available: https://www.healthline.com/health/migraine. [Accessed: 17-Sep-2021].
2. [2] V. Ulrich, M. Gervil, K. O. Kyvik, J. Olesen, and M. B. Russell, “Evidence of a genetic factor in migraine with aura: a population-based Danish twin study,” Ann. Neurol. Off. J. Am. Neurol. Assoc. Child Neurol. Soc., vol. 45, no. 2, pp. 242–246, 1999. https://doi.org/10.1002/1531-8249(199902)45:2%3C242::AID-ANA15%3E3.0.CO;2-1
3. [3] Z.-H. Cao, L.-W. Ko, K.-L. Lai, S.-B. Huang, S.-J. Wang, and C.-T. Lin, “Classification of migraine stages based on resting-state EEG power,” in 2015 International Joint Conference on Neural Networks (IJCNN), 2015, pp. 1–5. https://doi.org/10.1109/IJCNN.2015.7280582
4. [4] S. Siuly, S. K. Khare, V. Bajaj, H. Wang, and Y. Zhang, “A Computerized Method for Automatic Detection of Schizophrenia Using EEG Signals,” IEEE Trans. Neural Syst. Rehabil. Eng., 2020. https://doi.org/10.1109/TNSRE.2020.3022715
5. [5] Z. ASLAN and M. AKIN, “A COMPARISON OF HEURISTIC SEARCH ALGORITHMS IN AUTOMATIC DETECTION OF SCHIZOPHRENIA,” in 4TH INTERNATIONAL ENERGY & ENGINEERING CONGRESS, 2019, pp. 1248–1258.