Olayla İlgili Potansiyel Sinyalleri Kullanarak Şizofreninin Analizi ve Sınıflandırılması

IF 0.3 Q4 COMPUTER SCIENCE, THEORY & METHODS

Computer Science-AGH Pub Date : 2022-09-16 DOI:10.53070/bbd.1173093

Anıl Aksöz, Doğukan Akyüz, Furkan Bayir, Nevzat Yildiz, Fırat Orhanbulucu, Fatma Latifoğlu

{"title":"Olayla İlgili Potansiyel Sinyalleri Kullanarak Şizofreninin Analizi ve Sınıflandırılması","authors":"Anıl Aksöz, Doğukan Akyüz, Furkan Bayir, Nevzat Yildiz, Fırat Orhanbulucu, Fatma Latifoğlu","doi":"10.53070/bbd.1173093","DOIUrl":null,"url":null,"abstract":"Şizofreni (SZ), dünya çapında birçok insanı etkileyen ve erken teşhis ve tedavi edilmediği takdirde ölüme neden olan nöropsikiyatrik bir hastalıktır. Erken tanı için yaygın olarak kullanılan yöntemlerden biri elektroensefalografidir (EEG). Sinyal işleme ve makine öğrenme yöntemlerinin EEG sinyallerine uygulanması, SZ hastalığını belirlemek isteyen uzmanlara ve araştırmacılara destek olabilir. Bu çalışmada, SZ hastası ve sağlıklı kontrol grubuna işitsel uyaranların gönderilmesi sonucunda kaydedilen EEG sinyallerinden olaya bağlı potansiyel (OİP) sinyalleri elde edilmiştir. Bu sinyallerden öznitelikler olarak P300 genlik-gecikme, hjorth parametreleri ve entropi değerleri hesaplanmıştır. Elde edilen özellikler, SZ hastalarını sağlıklı kontrol grubundan ayırt etmek için Destek Vektör Makineleri (DVM), K-En Yakın Komşu (KEYK) ve Yapay Sinir Ağları (YSA) sınıflandırıcıları ile değerlendirildi. Bu çalışmada en başarılı sonuç %93,9 doğruluk oranı ile YSA sınıflandırıcısında elde edilmiştir.","PeriodicalId":41917,"journal":{"name":"Computer Science-AGH","volume":" ","pages":""},"PeriodicalIF":0.3000,"publicationDate":"2022-09-16","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Computer Science-AGH","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.53070/bbd.1173093","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"Q4","JCRName":"COMPUTER SCIENCE, THEORY & METHODS","Score":null,"Total":0}

引用次数: 0

Abstract

Şizofreni (SZ), dünya çapında birçok insanı etkileyen ve erken teşhis ve tedavi edilmediği takdirde ölüme neden olan nöropsikiyatrik bir hastalıktır. Erken tanı için yaygın olarak kullanılan yöntemlerden biri elektroensefalografidir (EEG). Sinyal işleme ve makine öğrenme yöntemlerinin EEG sinyallerine uygulanması, SZ hastalığını belirlemek isteyen uzmanlara ve araştırmacılara destek olabilir. Bu çalışmada, SZ hastası ve sağlıklı kontrol grubuna işitsel uyaranların gönderilmesi sonucunda kaydedilen EEG sinyallerinden olaya bağlı potansiyel (OİP) sinyalleri elde edilmiştir. Bu sinyallerden öznitelikler olarak P300 genlik-gecikme, hjorth parametreleri ve entropi değerleri hesaplanmıştır. Elde edilen özellikler, SZ hastalarını sağlıklı kontrol grubundan ayırt etmek için Destek Vektör Makineleri (DVM), K-En Yakın Komşu (KEYK) ve Yapay Sinir Ağları (YSA) sınıflandırıcıları ile değerlendirildi. Bu çalışmada en başarılı sonuç %93,9 doğruluk oranı ile YSA sınıflandırıcısında elde edilmiştir.

查看原文本刊更多论文

精神分裂症的即时信息分析与分类

精神分裂症（SZ）是一种影响世界各地许多人的神经精神疾病，并且没有得到早期诊断和治愈。早期检测的常见用途之一是电描记术（EEG）。信号处理和机器学习方法在脑电信号中的应用，可以得到想要识别SZ疾病的专家和研究人员的支持。在这项研究中，SZ患者和健康对照组收到了与作为听觉警报传输结果记录的EEG信号发生率相关的潜在信号。这些信号的特征是通过P300青年延迟、激素参数和熵值来计算的。通过支持向量机（DVM）、K-最近邻居（KEYK）和Yapay Sinir网络（YSA）类评估所接收的特征，以区分SZ患者和健康对照组。这项研究中最成功的结果是在YSA课堂上的93.9%。

本文章由计算机程序翻译，如有差异，请以英文原文为准。

求助全文

约1分钟内获得全文求助全文

来源期刊