Classification of 1D and 2D EEG Signals for Seizure Detection in the Newborn Using Convolutional Neural Networks

Authors : Merve AÇIKOĞLU, Seda ARSLAN TUNCER

Pages : 194-202

Doi:10.17798/bitlisfen.1012489

View : 19 | Download : 12

Publication Date : 2022-03-24

Article Type : Research Paper

Abstract :Yeni doğanlar, yetişkinlerin aksine nöbetler sırasında her zaman klinik belirtiler göstermezler. Bu nedenle kontrolsüz nöbetler ciddi beyin hasarına yol açar. Nöbetlerin zamanında tespiti, yeni doğan bebekler için hayati bir rol oynar. Bu çalışmada yeni doğanların elektroensefalografi (EEG) sinyalleri kullanılarak C4-P4 kanalında otomatik nöbet tespiti için derin transfer öğrenme yaklaşımı önerilmiştir. EEG sinyalleri, performans, sağlam işlevsellik ve klinik olarak kabul edilebilir bir algılama doğruluğu seviyesi sağlamak için 1B ve 2B boyutlarda kullanılmıştır. Çalışmada önceden eğitilmiş derin öğrenme modelleri Alexnet, ResNet, GoogleNet ve VggNet kullanılmıştır. 1 boyutlu sinyal verilerinin 2 boyutlu görüntülere dönüştürülmesiyle spektrogramlar elde edilmiş ve ardından hem 1 boyutlu hem de 2 boyutlu veri setinde sınıflandırma yapılmıştır. 1B sınıflandırmada en yüksek performans %91,67 ile VggNet mimarisinden, 2B sınıflandırma ise %95,83 ile AlexNet ve ResNet mimarisinden elde edilmiştir. Spektrogramların kullanımı, sınıflandırma performansını büyük ölçüde iyileştirdi ve yeni doğanlarda nöbet tespiti ve kararı klinik olarak daha güvenilir hale getirdi.
Keywords : Yeni doğan Nöbeti, EEG Sinyali, C4 P4 kanalı, Evrişimli Sinir Ağı