Biyoelektriksel İşaretlerde Rahatsızlık Teşhisinin Yorumlanması

KAYA, Duygu; Türk, Mustafa

Biyoelektriksel İşaretlerde Rahatsızlık Teşhisinin Yorumlanması

Duygu KAYA, (, Fırat Üniversitesi, Mühendislik Fakültesi, Elektrik-Elektronik Mühendisliği Bölümü, Elazığ)

Mustafa TÜRK (, Fırat Üniversitesi, Mühendislik Fakültesi, Elektrik-Elektronik Mühendisliği Bölümü, Elazığ)

Fırat Üniversitesi Mühendislik Bilimleri Dergisi

2 2

Yıl: 2017 Cilt: 29 Sayı: 1 Sayfa Aralığı: 261 - 267 Metin Dili: Türkçe İndeks Tarihi: 29-07-2022

Biyoelektriksel İşaretlerde Rahatsızlık Teşhisinin Yorumlanması

Öz:

Veri analiz ve sınıflandırma tekniklerinin gelişmesinin sonucu olarak biyomedikal çalışmalarda akıllı hesaplama yöntemlerinin kullanımı oldukça önemli bir yer tutmaktadır. Normal ve hasta kişilerden alınan biyoelektriksel işaretlerin sınıflandırılması için elde edilen eğrilerin yorumlanması, üzerinde durulması gereken önemli bir noktadır. Bu çalışmanın amacı, biyoelektriksel işaretlerden biri olan EEG verilerinin Receiving Operation Curve (ROC) eğrileri ve hata matrisleri kullanılarak sınıflandırmanın ne oranda yapıldığını tespit etmektir. Böylece ağa yeni bir veri girdisi durumunda ağın doğru bir şekilde sınıflandırma yapması sağlanacaktır. Yapay sinir ağları (YSA), deneme yanılma yolu ile öğrenme ve genelleştirme yapabilmekte ve az da olsa hata payı ile öğrenme işlemine devam etmektedir. Yani amaç ağın ezberlemesini engelleyip, öğrenmesini sağlamaktır ki ancak bu durumda farklı veri girişlerinde doğru bir tespit yapılır. Bu çalışmada,sağlam ve epilepsi hastalarına ait veriler yapay sinir ağları ile eğitilerek, normal ve epilepsi tespiti performans analizi, hata matrisi ve ROC eğrisi ile incelenmesine imkân sağlar.

Anahtar Kelime:

Interpretation Of Disorder Diagnosis In Bioelectrical Signals

Öz:

As a consequence of the development of data analysis and classification techniques, the use of intelligent computation methods in biomedical researches is very important. Interpretation of the curves obtained for the classification of electrical signals (such as Electroencephalography-EEG, Electrocardiography-ECG, and Electromyography-EMG) from normal and patient persons is an important point to be emphasized. The aim of the study is to determine what percentage of classification EEG data, which is one of the electrical signals, using Receiving Operation Curve (ROC) and confusion matrix. So, the network will be to classify correctly in case of a new group of data entry. Neural networks can learn and generalization by trial and error and continue to learn with little tolerance. Therefore, the aim of blocking the memorization of the network, but in this case is to ensure that the learning is done in a correct identification of different data entry.Therefore, the aim of blocking the memorization of the network is to ensure that learning. In this case, an accurate determination is made at different data entry.In this study, used normal and epileptic data are examined by performance analysis, ROC curve and confusion matrix.

Anahtar Kelime:

Belge Türü: Makale Makale Türü: Araştırma Makalesi Erişim Türü: Erişime Açık

1. A. Ersöz, ve S. Özşen. (2011). Uyku EEG Sinyalinin Yapay Sinir Ağ Modeli İle Sınıflandırılması, Elektrik Elektronik Bilgisayar Sempozyumu, Elazığ.
2. M. M. Shaker. (2005). EEG Waves Classifier using Wavelet Transform and Fourier Transform, Int. Journal of Biological and Life Sciences, 1(3), pp. 85-90.
3. J. Bhattacharya and H. Petsche. (2001). Universality in the brain while listening to music, Proc. Royal Society Lond. B., 268(1484), pp. 2423-2433.
4. C. J. Stam, J.P.M. Pijn, P. Suffczynski and F.H. Lopes da Silva. (1999). Dynamics of the human alpha rhythm: evidence for non-linearity?, Clinical Neurophysiology, 110(10), pp. 18011813.
5. G. Buzsaki. (2006). Rhythms of the Brain Oxford University Press, Oxford.
6. S. P. Kumar, N. Sriraam, P.G. Benakop and B.C. Jinaga. (2010). Entropies based detection of epileptic seizures with artificial neural network classifiers, Expert Syst. Appl., 37(4) pp. 3284- 3291.
7. S. Sanei, and J. A. Chambers. (2007). EEG signal processing, Wiley Interscience.
8. D. Easwaramoorthy and R. Uthayakumar. (2010). Analysis of Biomedical EEG Signals Using Wavelet Transform and Multifractal Analysis, Communication Control and Computing Technologies (ICCCCT) IEEE International Conference, Ramanathapuram.
9. A.H., Siddiqi, H.K. Sevindir, C. Yazıcı, A. Kutlu, and Z. Aslan. (2010). Spectral Analysis of EEG Signals by Using Wavelet and Harmonic Transforms, The Fifth International Symposium on Wavelets Applications to World Problems.
10. L.D. Iasemidis. (2003). Epileptic seizure prediction and control, IEEE Trans Biomed Eng. 50(5), pp. 549-558.
11. Z. Haydari, Y. Zhang, and H.S. Zadeh. (2011). SemiAutomatic Epilepsy Spike Detection from EEG Signal Using Genetic Algorithm and Wavelet Transform, IEEE International Conference on Bioinformatics and Biomedicine Workshops, Atlanta, GA, USA.
12. O. Rioul, and M. Vetterli. (1991). Wavelets and Signal Processing., IEEE SP Magazine, pp. 14- 38, October.
13. S. Mallat. (1987). A compact multiresolution representation: the wavelet model, in Pmt. IEEE Workshop Comput. Vision, 11(7) Miami, FL. Dec.
14. S. Guzel Aydın, T. Kaya and H. Guler. (2016). Wavelet-based study of valence-arousal model of emotions on EEG signals with LabVIEW, Brain Informatics, 3(2), pp, 109-117, Springer.
15. R.Sankar and J. Natour. (1992). Automatic computer analysis of transients in EEG, Computers in biology and medicine, 22(6), pp. 407-422.
16. H.Ocak. (2009). Automatic detection of epileptic seizures in EEG using discrete wavelet transform and approximate entropy. Expert Systems with Applications, 36(2) pp. 2027-2036.
17. T. Kaya. and M.C. Ince. (2012). The Obtaining of Window Function Having Useful Spectral Parameters by Helping of Genetic Algorithm, Procedia-Social and Behavioral Journal, 83 pp. 563-568, Elsevier.
18. H. S. Park, Y. H. Lee, N. G. Kim, D.S. Lee and S. I. Kim. (1998). Detection of epileptic form activities in the EEG using neural network and expert system, Studies in health technology and informatics, 9(2), pp. 1255-1259.
19. Matlab Yapay Sinir Ağları Toolbox.
20. L. Tomak ve Y Bek. (2009). İşlem Karakteristik Eğrisi Analizi ve Eğri Altında Kalan Alanların Karşılaştırılması, Journal of Experimental and Clinical Medicine, 27(2), pp.58-65.
21. A. Dirican. (1991). ROC eğrisi çözümlenmesi ile tanı testlerinin değerlendirilmesi ve bilgisayar uygulaması, Doktora tezi, İstanbul Üniversitesi, İstanbul.
22. RG. Knapp and MC. Miller III. (1992). Clinical Epidemiology and Biostatistics. United States of America, Williams and Wilkins Press, Le CT. Introductory Biostatistics. United States of America, Wiley and Sons Pres, pp. 336-337.
23. RF Wagner, CE Metz and G. Campbell. (2007). Assessment of medical imaging systems and computer aids: a tutorial review. Acad Radiol.14, pp. 723-748.
24. A. Dirican. (2001). Tanı testi performansının değerlendirilmesi ve kıyaslanması. Cerrahpaşa Tıp Dergisi. 32(1), pp. 25-30.
25. EA. Sasse. (2002). Objective evaluation of data in screening for disease. Clin Chim Acta. 315, pp. 17-30.
26 S. Weinsteim, NA. Obuchowski and ML. Lieber (2005). Clinical evaluation of diagnostic tests. AJR Am J Roentgenol.184, pp. 14-19.
27. NA. Obuchowski. (2005). ROC analysis. AJR Am J Roentgenol. 184, pp. 364-372.
28. EEG Data http://www.meb.uni- bonn.de/ epileptologie/science/ physik/eegdata.html.

APA	KAYA D, Türk M (2017). Biyoelektriksel İşaretlerde Rahatsızlık Teşhisinin Yorumlanması. , 261 - 267.
Chicago	KAYA Duygu,Türk Mustafa Biyoelektriksel İşaretlerde Rahatsızlık Teşhisinin Yorumlanması. (2017): 261 - 267.
MLA	KAYA Duygu,Türk Mustafa Biyoelektriksel İşaretlerde Rahatsızlık Teşhisinin Yorumlanması. , 2017, ss.261 - 267.
AMA	KAYA D,Türk M Biyoelektriksel İşaretlerde Rahatsızlık Teşhisinin Yorumlanması. . 2017; 261 - 267.
Vancouver	KAYA D,Türk M Biyoelektriksel İşaretlerde Rahatsızlık Teşhisinin Yorumlanması. . 2017; 261 - 267.
IEEE	KAYA D,Türk M "Biyoelektriksel İşaretlerde Rahatsızlık Teşhisinin Yorumlanması." , ss.261 - 267, 2017.
ISNAD	KAYA, Duygu - Türk, Mustafa. "Biyoelektriksel İşaretlerde Rahatsızlık Teşhisinin Yorumlanması". (2017), 261-267.

APA	KAYA D, Türk M (2017). Biyoelektriksel İşaretlerde Rahatsızlık Teşhisinin Yorumlanması. Fırat Üniversitesi Mühendislik Bilimleri Dergisi, 29(1), 261 - 267.
Chicago	KAYA Duygu,Türk Mustafa Biyoelektriksel İşaretlerde Rahatsızlık Teşhisinin Yorumlanması. Fırat Üniversitesi Mühendislik Bilimleri Dergisi 29, no.1 (2017): 261 - 267.
MLA	KAYA Duygu,Türk Mustafa Biyoelektriksel İşaretlerde Rahatsızlık Teşhisinin Yorumlanması. Fırat Üniversitesi Mühendislik Bilimleri Dergisi, vol.29, no.1, 2017, ss.261 - 267.
AMA	KAYA D,Türk M Biyoelektriksel İşaretlerde Rahatsızlık Teşhisinin Yorumlanması. Fırat Üniversitesi Mühendislik Bilimleri Dergisi. 2017; 29(1): 261 - 267.
Vancouver	KAYA D,Türk M Biyoelektriksel İşaretlerde Rahatsızlık Teşhisinin Yorumlanması. Fırat Üniversitesi Mühendislik Bilimleri Dergisi. 2017; 29(1): 261 - 267.
IEEE	KAYA D,Türk M "Biyoelektriksel İşaretlerde Rahatsızlık Teşhisinin Yorumlanması." Fırat Üniversitesi Mühendislik Bilimleri Dergisi, 29, ss.261 - 267, 2017.
ISNAD	KAYA, Duygu - Türk, Mustafa. "Biyoelektriksel İşaretlerde Rahatsızlık Teşhisinin Yorumlanması". Fırat Üniversitesi Mühendislik Bilimleri Dergisi 29/1 (2017), 261-267.