Please use this identifier to cite or link to this item:
https://hdl.handle.net/20.500.11851/8445
Full metadata record
DC Field | Value | Language |
---|---|---|
dc.contributor.advisor | Gürbüz, Ali Cafer | - |
dc.contributor.author | Türkoğlu, Merve Yasemen | - |
dc.date.accessioned | 2022-04-02T09:12:19Z | - |
dc.date.available | 2022-04-02T09:12:19Z | - |
dc.date.issued | 2011 | - |
dc.identifier.uri | https://hdl.handle.net/20.500.11851/8445 | - |
dc.description.abstract | Bioelectrical signs, which are the results of the brain neural activity, are called Electroencephalogram (EEG). EEG signals play an important role in the diagnosis and study of many nervous diseases such as epilepsy. EEG signals, which provide important information about brain activity is also a non-invasive method. EEG signals, who do not have a specific waveforms, containing five frequency bands. These bands are called as alpha, beta, theta, delta and gamma. Spectral analysis of EEG signals help to extract information to diagnose diseases. Epileptic seizure is a situation that occurs depending on the sudden, excessive and abnormal discharge arise of brain cells can not be controlled. Epileptic seizures may be considered as an unexpected electrical impulse. In this study, discrete wavelet transform (DWT) was used for spectral analysis of EEG signals belonging to the epilepsy patients and healthy people due to the success of the DWT method in analysis of non-stationary signals like EEG. Wavelet decomposition level was set to 6 for this study. Detailed and approximate wavelet coefficients were calculated based on the six detailed and one approximate sub-bands. The attributes that define the EEG signal is given by the wavelet coefficients. Different wavelet types such as Daubechies, Coiflet, Symmlet and discrete Meyer were used in EEG signal analysis with the discrete wavelet transform. These analyses showed that every single wavelet and different degrees of the wavelets give changing results. According to the results, the type and the degree of the best performing wavelet is determined. Consequently, the analysis results have shown that Daubechies has been type of best performing wavelet and 44 has been it?s degree. Determination of the wavelet coefficients, and various statistical calculations of wavelet coefficients were made with Matlab software. | en_US |
dc.description.abstract | Beynin sinirsel faaliyeti sonucu elde edilen biyoelektrik işaretlere Elektroensefalogram (EEG) adı verilir. EEG sinyali, epilepsi gibi çeşitli sinir hastalıklarının teşhisi ve araştırılmasında önemli rol oynayan, beyinsel aktiviteler hakkında önemli bilgi sağlayan non invasif (yüzeyden) bir yöntemdir. EEG sinyalleri, alfa, beta, teta, delta ve gama olmak üzere 5 adet frekans bandı içeren belli bir dalga şekline sahip olmayan sinyallerdir. Spektral analiz yöntemleri ile EEG sinyallerinden bilgi çıkarılması teşhise yardımcı olmaktadır. Epileptik nöbet beyindeki hücrelerin kontrol edilemeyen, ani, aşırı ve anormal deşarjlarına bağlı olarak ortaya çıkan bir durumdur. Epilepsi nöbetleri beklenmeyen elektriksel uyarı olarak da düşünülebilir. Bu çalışmada, sağlıklı insanlara ve epilepsi hastalarına ait EEG sinyallerinin spektral analizi, EEG gibi durağan olmayan sinyallerin analizinde oldukça başarılı olması sebebiyle ayrık dalgacık yöntemi (ADD) ile yapılmıştır. Üzerinde çalışılan EEG sinyallerinin dalgacık ayrışımında ayrışım seviyesi 6 olarak alınmıştır. Ayrıntılı ve yaklaşık dalgacık katsayıları, 6 ayrıntılı ve 1 yaklaşık alt band üzerinden hesaplanmıştır. Dalgacık katsayıları EEG sinyallerini tanımlayan öznitelikleri vermektedir. EEG sinyallerinin ayrık dalgacık dönüşümü ile analizinde Daubechies, Coiflet, Symmlet, ayrık Meyer gibi farklı dalgacık tipleri kullanılmıştır. Bu analizlerde epileptik EEG sinyallerinin tespitinde herbir dalgacığın başarı oranı değişim göstermektedir. Çalışmanın sonucunda yapılan analizler ile elde edilen bulgulara göre en iyi performansı gösteren dalgacık tipi ve derecesi belirlenmeye çalışılmıştır. Sonuç olarak sağlıklı ve epileptik EEG kayıtları arasındaki ayrımı en iyi gösteren dalgacık tipi Daubechies ve derecesi 44 olarak bulunmuştur. Dalgacık katsayılarını belirlemek ve bu katsayıların çeşitli istatiksel hesaplamalarını yapmak için Matlab yazılımı kullanılmıştır. | en_US |
dc.language.iso | tr | en_US |
dc.publisher | TOBB Ekonomi ve Teknoloji Üniversitesi Fen Bilimleri Enstitüsü | en_US |
dc.rights | info:eu-repo/semantics/openAccess | en_US |
dc.subject | Epilepsy | en_US |
dc.subject | Discrete wavelet transform | en_US |
dc.subject | Epilepsi | en_US |
dc.subject | Ayrık dalgacık dönüşümü | en_US |
dc.title | Eeg Sinyallerinin Analizinde Performansı Yüksek Olan Dalgacık Tipinin Belirlenmesi | en_US |
dc.title.alternative | Determination of High Performance Wavelet Type in Eeg Signals Analysis | en_US |
dc.type | Master Thesis | en_US |
dc.department | Faculties, Faculty of Engineering, Department of Electrical and Electronics Engineering | en_US |
dc.department | Enstitüler, Fen Bilimleri Enstitüsü, Elektrik ve Elektronik Mühendisliği Ana Bilim Dalı | tr_TR |
dc.relation.publicationcategory | Tez | en_US |
item.openairetype | Master Thesis | - |
item.languageiso639-1 | tr | - |
item.grantfulltext | open | - |
item.fulltext | With Fulltext | - |
item.openairecristype | http://purl.org/coar/resource_type/c_18cf | - |
item.cerifentitytype | Publications | - |
Appears in Collections: | Elektrik-Elektronik Mühendisliği Yüksek Lisans Tezleri / Electrical & Electronics Engineering Master Theses |
Files in This Item:
File | Size | Format | |
---|---|---|---|
289963.pdf | 1.01 MB | Adobe PDF | View/Open |
CORE Recommender
Page view(s)
228
checked on Dec 23, 2024
Download(s)
644
checked on Dec 23, 2024
Google ScholarTM
Check
Items in GCRIS Repository are protected by copyright, with all rights reserved, unless otherwise indicated.