Depresyonun EEG sinyallerinden sinyal işleme ve yapay zeka yöntemleriyle analizi
Tezin Türü: Yüksek Lisans
Tezin Yürütüldüğü Kurum: Erciyes Üniversitesi, Fen Bilimleri Enstitüsü, BİYOMEDİKAL MÜHENDİSLİĞİ ANABİLİM DALI, Türkiye
Tezin Onay Tarihi: 2025
Tezin Dili: Türkçe
Öğrenci: SABRINA TURTUROVA
Danışman: Fatma Latifoğlu
Açık Arşiv Koleksiyonu: AVESİS Açık Erişim Koleksiyonu
Özet:Dünya Sağlık Örgütü'ne göre depresyon, küresel sağlık sorunlarının başlıca nedenlerinden biri olarak kabul edilmekte ve erken tanısı için biyobelirteç temelli yöntemlere duyulan ihtiyaç giderek artmaktadır. Bu tez çalışmasında, elektroensefalografi (EEG) sinyallerinden elde edilen öznitelikler ve çeşitli makine öğrenmesi algoritmaları kullanılarak, depresyonlu ve sağlıklı bireylerin sınıflandırılması amaçlanmıştır. Çalışmada hem 128 elektrotlu EEG kayıtları hem de yalnızca frontal bölgedeki (Fp1, Fpz, Fp2) üç elektrot ile elde edilen düşük kanallı EEG verileri değerlendirilmiştir. Sinyal ön işleme sürecinde FIR filtreleme ve Bağımsız Bileşenler Analizi (ICA) teknikleri uygulanmış, ardından EMD, EWT ve VMD gibi farklı ayrıştırma yöntemleriyle sinyalin alt bileşenleri elde edilmiştir. Yüksek boyutlu öznitelik uzayından anlamlı özniteliklerin seçilmesi amacıyla LASSO algoritması kullanılmıştır. Verilerdeki sınıf dengesizliğini gidermek için ADASYN yöntemi ile sentetik veri üretimi gerçekleştirilmiştir. Son aşamada KNN, SVM ve ANN algoritmaları kullanılarak sınıflandırma işlemleri yapılmış ve model başarıları çapraz doğrulama (10-fold ve LOOCV) yöntemleri ile değerlendirilmiştir. 128 kanallı EEG verilerinde ANN ve SVM modelleri %100 doğruluk, hassasiyet, seçicilik ve kesinlik değerleri ile öne çıkarken; 3 kanallı EEG sistemlerinde VMD yöntemi ile desteklenen ANN modeli %98 doğruluğa ulaşmıştır. Elde edilen bulgular, hem yüksek hem de düşük kanallı EEG sistemleri ile depresyonun yüksek doğrulukla sınıflandırılabileceğini göstermektedir.