Browsing by Author "Seker, Mesut"

Now showing 1 - 2 of 2

Citation - WoS: 13
Classification of Mental Task EEG Records Using Hjorth Parameters
(IEEE, 2017) Turk, Omer; Seker, Mesut; Akpolat, Veysi; Ozerdem, Mchmet Sirac
The effects of mental activities on brain dynamics is the main field that studied for a long time, but the results of studies have not reached the desired level. The aim of present study was to classify the mental task EEG records by using Hjorth parameters. hi this study, EEG signals that recorded from 9 subjects were used. EEG signals were recorded by applying a experimental paradigm which contains five stimuli related to different mental task. These stimuli are defined as condition word mental subtraction spatial navigation right hand motor imagery and feet motor imagery Wavelet packet transform was used to obtain sub bands of EEC signals. Statistical parameters that consist of mobility, complexity and Mahalanobis distance were applied to sub-bands. Feature vectors were classified by using artificial neural network. When classification performances related to mental activities were examined, the best classification accuracy was obtained as nearly 80% for 'condition word - mental subtraction', ('spatial navigation feet motor imagery;' and 'spatial navigation - condition word'. The lowest classification accuracy was obtained for 'mental subtraction - right hand motor imagery,', 'condition word - right hand motor imagery' and 'spatial navigation right hand motor imagery'. The classification accuracies related to all stimuli that classifed among themselves were obtained as 77,61%.
Hilbert Dönüşümü Kullanılarak EEG İşaretlerinden Kanal Bazlı Şizofren Hastalığının Tespiti
(2020) Özerdem, Mehmet Siraç; Türk, Ömer; Seker, Mesut
Elektroensefalografi (EEG) nörolojik hastalıkların tespitinde sahip olduğu çok kanallı ve yüksek zaman çözünürlüklü yapısı ile çalışmalarda etkili bir görüntüleme aracı olarak popülerliğini korumaktadır. Bu çalışmada, Hilbert Dönüşümü (HD) kullanılarak EEG kayıtlarından kanal bazlı şizofreni hastalığının tespiti amaçlanmıştır. İşarete ait sanal bileşenler bu dönüşümle analiz edilip hasta/kontrol gruptan oluşan öznitelik vektörleri Destek Vektör Makinası (DVM) ile sınıflandırılmıştır. Kullanılan EEG veri seti, yaşları 10-14 arasında değişen 39 şizofreni ve yaşları 11-13 arasında farklılık gösteren 39 sağlıklı katılımcıdan elde edilmiştir. Mevcut kayıtlar katılımcının gözleri kapalı konumda iken 10-20 sistemine göre düzenlenmiş 16 elektrot aracılığı ile 1 dakika süresince alınmıştır. Çalışmada kullanılan kanallar frontal, parietal, temporal, central ve oksipital lob’un ilgili bölgelerinden seçilmiştir. Yapılan sınıflandırma işleminde k=10 çapraz doğrulama kullanılarak eğitim ve test kümeleri oluşturulmuştur. Çalışmada sınıflandırma başarımın yanında Tutturma (Precision), Bulma (Recall), F1-Score değerleri de hesaplanmıştır. Çalışmada en iyi sınıflandırma başarımı %95,19 ile frontal lob ’dan oluşan özniteliklerden elde edilmiştir. En düşük sınıflandırma performansının ise temporal lob bölgesinden alınan kanal öznitelikleri olduğu görülmüştür. Sağlıklı ve hasta grupların başarılı şekilde ayrıştırılması, izlenilen metodun klinik tedavilerde uygulanabileceğini, klinisyenlere tedavi edilecek kişinin durumu konusunda fikir verebileceğini göstermektedir. Önerilen çalışma mevcut hali ile şizofreni hastalığı tespitinde literatüre katkı sunacak pratik bir uygulama olarak umut vadetmektedir.