Epileptik Nöbetlerin Tespiti için Öznitelik Çıkartma ve Sınıflandırma Yöntemleri

Bu çalışmada, Bonn Üniversitesi Epileptoloji Bölümü\\\'nden alınan EEG veri seti kullanılarak, epileptik nöbet tespitine yönelik bir model sunulmuştur. Frekans analizinde daha hassas sonuçlar elde etmek için ikiye ayrılan sinyaller ile sınıflandırma algoritmalarının performansının artırılmasına katkı sağlanan çalışmada, her sınıf için oluşturulan referans sinyaller, sınıf içi tutarlılık ve anormal sinyallerin tespiti açısından önemli bir rol oynamıştır. Sinyallerin spektral özelliklerinin karşılaştırılmasının, sınıflar arasındaki farkların belirginleşmesine ve sınıflandırma performansının artmasına yardımcı olduğu modelde, özellik vektöründe spektral farklar, enerji, entropi ve frekans sapmaları gibi özellikler kullanılarak, özellikle Kullback-Leibler ayrışması ve Euclidean mesafesi gibi metrikler sayesinde sınıflar arası spektral farklılıkların tespit edilmesi sağlanmıştır. Sınıflandırma aşamasında kullanılan beş farklı sınıflandırma algoritması içinde k-EYK (k=1) ve LMA en yüksek performansı göstererek, on üç sınıflandırma görevi içerisinde yedi görevde epileptik nöbetlerin %100 doğrulukla tespit edilmesi sağlamıştır. Tüm sınıflandırma görevlerinde k-EYK ile LMA sınıflandırıcıları için bulunan ortalama %98,03 ve %98,23 doğruluk değerleri, modelin epileptik nöbet tespiti için çok başarılı ve güvenilir bir yöntem olduğunu göstermektedir.