Yazar "Özdemir, Nilüfer" seçeneğine göre listele

Listeleniyor 1 - 3 / 3
  • Küçük Resim
    Öğe
    EEG işaretlerinden Hilbert-Huang transform (HHT) yöntemi ile nöbet algılama ve tahmini
    (Hatay Mustafa Kemal Üniversitesi, 2012) Özdemir, Nilüfer; Yıldırım, Esen
    Dünya çapında çok sayıda insanı etkileyen epilepsi, bilinen en yaygın nörolojik bozukluktur. Epilepsi, hastayı sadece nöbet anlarında, ve bazı durumlarda bu nöbeti izleyen birkaç saat süreyle, rahatsız eden, bunun dışında normal yaşamına devam etmesini engellemeyen bir hastalıktır. Bu nedenle epilepsi tanısı konmuş bir hasta için nöbet geçirme zamanının önceden tespit edilebilmesi çok önemlidir. Erken nöbet teşhisinde, EEG işaretlerinden çıkarılan özelliklerin ve farklı parametrelerin önemli bilgiler taşıdığı kabul edilmektedir.Bu tez çalışmasında, nöbet algılama ve nöbet tahmini olmak üzere iki farklı çalışma yapılmıştır. Nöbet algılama çalışmasında, nöbet tespiti için Ampirik Kip Ayrışım tabanlı bir yöntem önerilmiştir. Önerilen yöntem, 123 dakikalık nöbet verisi ve 200 dakikalık nöbet dışı veri üzerinde 3 farklı sınıflandırıcı kullanılarak test edilmiştir. Tüm sınıflandırıcılar için %80 üzerinde duyralılık ve %95 üzerinde belirlilik elde edilmiştir.Nöbet tahmini çalışmasında, Hilbert-Huang Tranform tabanlı bir epileptik nöbet tahmini yöntemi önerilmektedir. Bu yöntemde EEG işaretleri İçsel Mod Fonksiyonlarına ayrılmakta ve ilk 6 İMF, nöbet öncesi ve nöbetler arası verileri sınıflandırmada kullanılacak özniteliklerin çıkarılmasında kullanılmaktadır. Nöbet öncesi / nöbetler arası ikili sınıflandırma işlemi Yapay Sinir Ağları ve Bayes Ağları yöntemiyle gerçekleştirilmiştir. Sınıflandırma öncesinde Korelasyon Tabanlı Öznitelik Seçimi yöntemiyle öznitelik seçimi yapılmıştır. Önerilen yöntemle Freiburg iEEG veri setindeki 87 adet nöbet öncesi 58 saatlik veri ile 504 saatlik nöbetler arası veri test edilmiştir. %50 örtüşen 30 saniyelik EEG verileri kullanılarak, %95,4 duyarlılık (87 nöbetin 83'ü) ve 0.55 YP/saat elde edilmiştir. Bu sonuçlar epileptik nöbet tahmininde Hilbert-Huang Transform yönteminin ümit verici olduğunu göstermektedir.
  • Küçük Resim
    Öğe
    Patient specific seizure prediction algorithm using Hilbert-Huang Transform
    (2012) Duman, Firat; Özdemir, Nilüfer; Yildirim, Esen
    Epilepsy is a neurological disorder that affects about 50 million people around the world. EEG signal processing plays an important role in detection and prediction of epileptic seizures. The aim of this study is to develop a method for early seizure prediction based on Hilbert-Huang Transform. In this patient specific method, EEG signals are decomposed into Intrinsic Mode Functions (IMFs) and first 5 IMFs are used to obtain features for classification of preictal and interictal recordings. Proposed method was tested on Freiburg EEG database. A total of 58 hours of preictal data, prior to 87 seizures, and 490 hours of interictal data were examined. Algorithm resulted in 89.66% sensitivity (78 of 87 seizures) and 0.49 FPs/h using 30 seconds EEG segment with 50% overlap. © 2012 IEEE.
  • [ N/A ]
    Öğe
    Seizure detection via empirical mode decomposition
    (2011) Özdemir, Nilüfer; Duman, Firat; Yildirim, Esen
    Epilepsy is a neurological disorder that affects a serious number of people all around the world. Detection of epileptic seizures using EEG signals occupies an important part in the diagnosis of epilepsy. The aim of this study is to develop a method for seizure detection based on Empirical Mode Decomposition. In this method, EEG signals are decomposed to their Intrinsic Mode Functions and first 4 IMFs's maximum, minimum, mean, standart deviation and energy values are used for classification. This method was tested on 123 minutes of iktal data and 200 minutes of inter-iktal data using 3 different classifiers. For all clasifiers, over %80 sensitivity and over %95 specificity were otained. These results show that epileptic seizure detection in EEG records via EMD is very promising. © 2011 IEEE.