Akademik Veri Yönetim Sistemi
Tezin Türü: Doktora
Tezin Yürütüldüğü Kurum: Kocaeli Üniversitesi, Fen Bilimleri Enstitüsü, Biyomedikal Mühendisliği Bölümü, Türkiye
Tezin Onay Tarihi: 2022
Tezin Dili: Türkçe
Öğrenci: ERDEM TUNCER
Danışman: Emine Bolat
Özet:
Epileptik nöbetler; fokal, jeneralize veya bilinmeyen olarak sınıflandırılan beynin elektriksel aktivitesindeki bozukluklardan kaynaklanır. Epileptik nöbetleri doğru bir şekilde sınıflandırmamak, uygun olmayan tedavi ve nöbetlerin devam etmesine neden olabilir. Bu nedenle, epileptik aktivitenin sınıflandırılmasıyla birlikte jeneralize, fokal ve diğer epileptik nöbetlerin otomatik olarak saptanması önemlidir. Bu çalışmada çeşitli veri tabanlarından elde edilen EEG verilerinin makine öğrenmesi teknikleriyle (11 farklı sınıflandırıcı algoritmasıyla) ayrı ayrı sınıflandırılması sağlanmıştır. Hem geleneksel hem de derin öğrenme yöntemleri kullanılmış, sınıflandırıcı algoritmalarının optimizasyonu yapılarak optimum modeller önerilmiştir. Bonn Üniversitesi veri seti kullanılarak İki Yönlü Uzun-Kısa Süreli Bellek (Bi-LSTM) ile epileptik aktivite ve diğer aktiviteler arasında yapılan sınıflandırmada başarı oranı %96, ikili sınıflandırmalarda ortalama başarı oranı %99 ve tüm sınıflandırmalar için ortalama başarı oranı %97,78 olarak elde edilmiştir. Temple Üniversite Hastanesi EEG Nöbet Corpus (TUSZ) veri seti ile yapılan sınıflandırmada iki farklı sınıflandırma problemi (Karmaşık Kısmi Nöbet Kısmi Nöbet (CPSZ) (C4-T4 Başlangıç)-CPSZ (FP2-F8 Başlangıç)-CPSZ (T5-O1 Başlangıç)- Absans Nöbet (ABSZ)) ve CPSZ-ABSZ) ele alınmıştır. LSTM algoritması kullanılarak dört sınıflı problem için başarı oranı %95,92, iki sınıflı problem için başarı oranı %98,08 olarak tespit edilmiştir. İstanbul Tıp Fakültesi verilerinin (Etik izin karar numarası: KÜ GOKAEK 2018/154) kullanıldığı sınıflandırma probleminde iktal-interiktal EEG kayıtları skorlanmıştır. TUSZ veri seti ile yapılan sınıflandırma sonucunda elde edilen optimum parametlerle sınıflandırıcı algoritmalarının sonuçları değerlendirilmiştir. TUSZ veri setinde elde edilen sonuçlarına benzer şekilde bu veri setiyle de en yüksek başarı oranına (%95,39) LSTM modeli ile ulaşılmıştır. Hem veri madenciliğinin hem de yapay zekâ tekniklerinin kullanıldığı bu çalışmayla, bu araştırma alanına önemli bir bakış açısı sağlanmıştır.