A new dataset for EEG abnormality detection MTOUH
Turkish Journal of Science and Technology · 2022
DOI: 10.55525/tjst.1074540 ↗Kurz gefasst
Fachartikel in der Zeitschrift Turkish Journal of Science and Technology, 2022. Verfasst von İrem TAŞCI und 3 weiteren Autor:innen. Die Arbeit wurde bisher 5-mal zitiert (Crossref) und nennt 19 Literaturangaben.
Abstract (Originalsprache)
Elektroensefalogram (EEG), beyindeki elektriksel aktivitenin izlenmesi için yaygın olarak kullanılmaktadır. EEG sinyallerinin hekimler tarafından incelenmesi yorucu ve zaman alıcıdır. Bu nedenle, algılama doğruluğunu artırmak için makine öğrenme teknikleri kullanılabilir. Bu çalışmada 35 kanal, 10575x15 saniye normal ve 11240x15 saniye anormal EEG sinyalinden oluşan 2 sınıflı veri seti oluşturulmuştur. Bu very seti Turgut Özal Üniversitesi Malatya Eğitim Araştırma Hastanesi’ ne 2021 yılında başvuran hastaların EEG sinyalleri incelenerek elde edilmiştir. Çalışmada istatistiksel özellik çıkarımı tabanlı bir model önerilmiştir. Önerilen modele komşu bileşen analizi kullanılarak öznitelik vektörü indirgemesi yapıldıktan sonra destek vektör makineleri kullanılarak sınıflandırma yapılmıştır. 35 kanaldan en yüksek doğruluk P4O2 kanalında elde edilmiştir. P4O2 kanalı için doğruluk, duyarlılık, özgüllük, kesinlik ve f-skoru sırasıyla %81.3,%78.9, %83.7, %82.0 ve %80.4 olarak elde edilmiştir.
Zitieren
APA
TAŞCI, İ., TASCİ, B., DOGAN, S., & TUNCER, T. (2022). A new dataset for EEG abnormality detection MTOUH. Turkish Journal of Science and Technology. https://doi.org/10.55525/tjst.1074540
Vancouver
TAŞCI İ, TASCİ B, DOGAN S, TUNCER T. A new dataset for EEG abnormality detection MTOUH. Turkish Journal of Science and Technology. 2022. doi:10.55525/tjst.1074540
BibTeX
@article{TACI2022,
author = {TAŞCI, İrem and TASCİ, Burak and DOGAN, Sengul and TUNCER, Türker},
title = {A new dataset for EEG abnormality detection MTOUH},
journal = {Turkish Journal of Science and Technology},
year = {2022},
doi = {10.55525/tjst.1074540}
}
EUVIMED