Açık Akademik Arşiv Sistemi

Uyku evrelerinin EEG işaretleri kullanılarak sınıflandırılmasında yeni bir yaklaşım

Show simple item record

dc.contributor.advisor Profesör Doktor Etem Köklükaya
dc.date.accessioned 2021-03-05T08:16:02Z
dc.date.available 2021-03-05T08:16:02Z
dc.date.issued 2009
dc.identifier.citation Yıldız, Murat. (2009). Uyku evrelerinin EEG işaretleri kullanılarak sınıflandırılmasında yeni bir yaklaşım. (Yayınlanmamış Doktora Tezi)Sakarya Üniversitesi Fen Bilimleri Enstitüsü; Sakarya
dc.identifier.uri https://hdl.handle.net/20.500.12619/76866
dc.description 06.03.2018 tarihli ve 30352 sayılı Resmi Gazetede yayımlanan “Yükseköğretim Kanunu İle Bazı Kanun Ve Kanun Hükmünde Kararnamelerde Değişiklik Yapılması Hakkında Kanun” ile 18.06.2018 tarihli “Lisansüstü Tezlerin Elektronik Ortamda Toplanması, Düzenlenmesi ve Erişime Açılmasına İlişkin Yönerge” gereğince tam metin erişime açılmıştır.
dc.description.abstract Bu çalışmada uyku evrelerini sınıflandırma amacıyla EEG işaretlerinden çıkartılan özelliklerin uyku evrelerini ne ölçüde ayrıştırdığını belirlemek amacıyla yöntemler sunulmuş ve olasılıksal sinir ağları ile uygulaması yapılmıştır. Sunulan yöntemler, Karhunen-Loeve dönüşümü olarak da bilinen temel bileşen analizine dayalıdır. Uyku evrelerini sınıflandırmada sunulan özellikler ana üç grupta toplanmıştır: (i) zaman-uzayı özellikleri, (ii) frekans-uzayı özellikleri, (iii) hibrit özellikler. Yapılan detaylı simülasyonlarla her bir gruptaki özelliklerin uyku evrelerini ne oranda ayrıştırdığı belirlenmiş ve elde edilen önbilginin literatürdeki sonuçlarla uyumlu olduğu görülmüştür. Sunulan yöntemler sayesinde sınıflandırıcın başarılı sonuç verip vermeyeceğini ve sınıflandırma başarısının analiz kısmında elde edilen sonuçlarla uyumlu olup olmadığını sınıflandırıcıyı gerçekleştirmeden söylemek mümkündür. Temel bileşen analizi ile hangi özelliklerin sınıflandırma için daha iyi sonuç vereceği tespit edilmeye çalışılmıştır. Simülasyonlar hibrit özelliklerinin en iyi ayrıştırmayı verdiğini göstermiştir. Daha sonra, sadece hibrit özellikler kullanılarak temel bileşen analizi ve kernel tabanlı temel bileşen analizi ile uyku evrelerinin ne oranda ayrıştığı incelenmiştir. Yapılan bu ayrıştırma sonuçlarının geçerliliği olasılıksal sinir ağları kullanılarak gösterilmiştir. Çalışma sonunda temel bileşen analizi ve kernel tabanlı temel bileşen analizinin ayrıştırma yetenekleri olasılıksal sinir ağı aracılığıyla karşılaştırılmıştır.
dc.description.abstract In this study, methods were presented in order to determine how well features extracted from the EEG signals separate the sleep stages for the purpose of sleep stage classification and they were implemented using probabilistic neural networks. The proposed methods are based on the principle component analysis also known as the Karhunen-Loéve transform. The features frequently used in the sleep stage classification studies were divided into three main groups: (i) time-domain features, (ii) frequency-domain features, and (iii) hybrid features. That how well features in each group separate the sleep stages was determined by performing extensive simulations and it was seen that the results obtained are in agreement with those available in the literature. Considering the fact that sleep stage classification algorithms consist of two steps, namely feature extraction and classification, it will be possible to tell a priori whether the classification step will provide successful results or not without carrying out its realization thanks to the proposed methods. Principles component analysis was used in order to determine the features that give the best results. Simulations showed that hybrid features give the best separation. Then, how well sleep stages separate was investigated with principle component analysis and kernel based principle component analysis by using only hybrid features. The validity of these separation results was shown by using probabilistic neural networks. Finally, separation capabilities of principle component analysis and kernel based principle component analysis was compared by means of probabilistic neural network.
dc.format.extent XV, 113 yaprak : tablo ; 30 cm.
dc.language.iso Türkçe
dc.publisher Sakarya Üniversitesi
dc.rights.uri info:eu-repo/semantics/openAccess
dc.rights.uri http://creativecommons.org/licenses/by/4.0/
dc.subject EEG
dc.subject Uyku evrelerinin sınıflandırılması
dc.subject Uyku skorlama
dc.subject Temel bileşen analizi
dc.subject PCA
dc.title Uyku evrelerinin EEG işaretleri kullanılarak sınıflandırılmasında yeni bir yaklaşım
dc.type doctoralThesis
dc.contributor.department Sakarya Üniversitesi, Fen Bilimleri Enstitüsü, Elektrik-Elektronik Mühendisliği Anabilim Dalı, Elektronik Bilim Dalı
dc.contributor.author Yıldız, Murat
dc.relation.publicationcategory TEZ


Files in this item

This item appears in the following Collection(s)

Show simple item record