Epilepsi EEG Verilerinin Makine Öğrenmesi Teknikleriyle Sınıflandırılması

Authors : Beyda ÇAĞLIYAN, Utku KÖSE

Pages : 163-172

Doi:10.31590/ejosat.857507

View : 17 | Download : 11

Publication Date : 2021-04-30

Article Type : Research Paper

Abstract :Teknolojinin geçmişe nazaran büyük bir hızla geliştiği günümüzde, çoğu alanda yazılımların, yapay zekâ tekniklerinin uygulama alanı artmış insanların işlerini kolaylaştırıcı bir özellik haline gelmiştir. Bu açıdan birçok alanda faaliyet gösteren makine öğrenmesi tekniklerinin sıklıkla rastlandığı problem alanlarından biri sağlık alanı olmuştur. Beynin davranışlarında rastlanan bozuklukların incelenmesinde ve modellenmesinde kullanılan EEG sinyalleri, dünya çapında birçok insanı etkileyen epilepsi hastalığının tanılanmasında temel bilgi kaynağı haline gelmiştir. Bu çalışma kapsamında da epilepsi hastalarından alınan EEG sinyalleri, 500 farklı kişi bilgisini içeren zaman serisi verisi olarak kullanılmıştır. Sınıflandırılan veri setinin bölümlendirme işlemi k-fold cross validation yöntemi ile ayrılmıştır. Epileptik nöbet tanılama sınıflandırma işlemi için kullanılan makine öğrenme tekniklerinden elde edilen sonuçlar ise YSA’dan %76.39, LDA’dan %82.24, K-NN’den ise %93.41 olduğu görülmüştür.
Keywords : EEG Zaman Serileri, Epilepsi, Makine Öğrenmesi, Yapay Sinir Ağları, K En Yakın Komşu Algoritması, Lineer Diskriminant Analiz Algoritması, Sınıflandırma