Show simple item record

dc.contributor.authorBaşpınar, Ulvi
dc.contributor.authorYol, Şeyma
dc.contributor.authorAydın, Müberra
dc.contributor.authorGülhan, Rezzan
dc.contributor.authorUs, Zeynep
dc.date.accessioned2024-08-23T12:06:41Z
dc.date.available2024-08-23T12:06:41Z
dc.date.issued2024en_US
dc.identifier.citationBAŞPINAR, Ulvi, Şeyma YOL, Müberra AYDIN, Rezzan GÜLHAN & Zeynep US. "EEG Verilerinden CEEMD Algoritması Kullanılarak Epileptik Nöbetlerin Tespiti". 32nd Signal Processing and Communications Applications Conference, (2024): 1-4.en_US
dc.identifier.urihttps://hdl.handle.net/11352/4973
dc.description.abstractEpilepsi, beynin ani elektriksel deşarjları ile karakterize edilen Dünya Sağlık Örgütü'ne göre inmeden sonra en yaygın ikinci nörolojik bozukluktur. Absans epilepsi ise sık görülen epilepsi türlerinden biridir ve büyük ölçüde elektroensefalogram (EEG) sinyallerinde jeneralize diken ve dalga deşarjların tespitine dayanır. Elektroensefalografi, beynin farklı fizyolojik durumlarına ilişkin bilgiler içeren, beyin faaliyetlerini değerlendirmek amacıyla kullanılan yaygın bir ölçüm tekniğidir. Bu çalışmada Complete Ensemble Empirical Mode Decomposition tekniği kullanılarak ayrıştırılan EEG sinyal segmentlerinden çeşitli istatistiksel özellikler çıkarılmış ve makine öğrenim teknikleri kullanılarak nöbet sınıflandırması yapılmıştır. Önerilen algoritmanın etkinliği performans metrikleri ile doğrulanmış ve geleneksel çalışmalara kıyasla umut verici bir başarı göstermiştir.en_US
dc.description.abstractEpilepsy is the second most common neurological disorder characterized by sudden electrical discharges of the brain after stroke according to the World Health Organization. Absence epilepsy is one of the most common types of epilepsy and is majorly based on the detection of generalised spike and wave discharges in Electroencephalogram (EEG) signals. Electroencephalography is a common measurement technique used to assess brain activity, containing information about different physiological states of the brain. In this study, various statistical features are extracted from EEG signal segments decomposed using the Complete Ensemble Mode Decomposition technique and seizure classification is performed using machine learning techniques. The effectiveness of the proposed algorithm is validated with performance metrics and shows promising success compared to traditional studies.en_US
dc.language.isoturen_US
dc.publisherIEEEen_US
dc.relation.isversionof10.1109/SIU61531en_US
dc.rightsinfo:eu-repo/semantics/embargoedAccessen_US
dc.subjectElektroensefalografien_US
dc.subjectAbsans Epilepsien_US
dc.subjectComplete Ensemble Empirical Mode Decompositionen_US
dc.subjectSınıflandırmaen_US
dc.subjectMakine Öğrenim Tekniklerien_US
dc.subjectEEGen_US
dc.subjectAbsance Epilepsyen_US
dc.subjectClassificationen_US
dc.subjectComplete Ensemble Mode Decompositionen_US
dc.subjectMachine Learning Algorithmsen_US
dc.titleEEG Verilerinden CEEMD Algoritması Kullanılarak Epileptik Nöbetlerin Tespitien_US
dc.title.alternativeDetection of Epileptic Seizures from EEG Data Using CEEMD Algorithmen_US
dc.typeconferenceObjecten_US
dc.relation.journal32nd Signal Processing and Communications Applications Conferenceen_US
dc.contributor.departmentFSM Vakıf Üniversitesi, Mühendislik Fakültesi, Biyomedikal Mühendisliği Bölümüen_US
dc.contributor.authorIDhttps://orcid.org/0000-0002-3359-9713en_US
dc.contributor.authorIDhttps://orcid.org/0000-0002-7123-2162en_US
dc.contributor.authorIDhttps://orcid.org/0009-0008-6754-2900en_US
dc.contributor.authorIDhttps://orcid.org/0000-0002-1519-3170en_US
dc.identifier.startpage1en_US
dc.identifier.endpage4en_US
dc.relation.publicationcategoryKonferans Öğesi - Uluslararası - Kurum Öğretim Elemanıen_US
dc.contributor.institutionauthorAydın, Müberra


Files in this item

Thumbnail

This item appears in the following Collection(s)

Show simple item record