EEG işaretlerinin analiz metodlarının karşılaştırılmalı bir çalışması
| dc.contributor.advisor | Dilaveroğlu, Erdoğan | |
| dc.contributor.author | Ersop, M. Emre | |
| dc.contributor.department | Uludağ Üniversitesi/Fen Bilimleri Enstitüsü/Elektronik Mühendisliği Anabilim Dalı. | tr_TR |
| dc.date.accessioned | 2020-02-04T07:46:13Z | |
| dc.date.available | 2020-02-04T07:46:13Z | |
| dc.date.issued | 2003-01-09 | |
| dc.description.abstract | İlk elektroensefalogram kaydı 1929 yılında Berger tarafından yapılmış ve bundan itibaren klinikçiler tarafından en önemli tanı koyma aracı olarak kullanılmaya başlanmıştır. Sayısal İşaret İşleme bilimi, bilgisayarın icadı ile doğup gelişmiş ve kendine değişik uygulama alanları bulmuştur. Günümüzde, Sayısal İşaret İşleme biliminin en önemli uygulamalarından biri de tıp alam olmuştur. EEG işaretleri karmaşık bir yapıya sahiptirler. Bilimadamları bu karmaşık yapıdan bilgiyi açığa çıkarmak için bir çok metot ya da hipotezler geliştirmişlerdir. Bu tezde EEG işaretlerinin analiz metotları olarak Zaman, Frekans ve Zaman-Frekans analizlerine yer verilmiştir. Bu çalışmada üç temel analiz metoduna değinilmiştir. Bunlar sırasıyla Fourier Dönüşümü analizi, Kısa Zaman Fourier Dönüşümü analizi ve Dalgacık Dönüşümü analizleridir. Fourier Dönüşümü analizinin temeli ve fonksiyonel yapısı ele alınmış ardından EEG işaretlerindeki uygulamalarına yer verilmiştir. EEG işaretleri, bilgisayar ortamında işlenebilmesi için ayrık hale getirilmektedirler. Bu yüzden, çalışmada yapılan uygulamalarda Ayrık Fourier Dönüşümü kullanılmıştır. Kısa Zaman Fourier Dönüşümü, bu tezde ikinci analiz metodu olarak ele alınmıştır. Bu analiz metodu, "pencere" adı verilen fonksiyonlarla, işareti durağan ya da durağana yakın parçalara ayırıp analiz etmektedir. Bu pencereleme işlemiyle işaret analizi, frekans bilgisinin haricinde işaretin, hangi zamanda ne kadar frekansa sahip olduğu bilgisini de vermektedir. Bu konunun teorik yapısına değinildikten sonra Kısa Zaman Fourier Dönüşümü analiz metodu Tonik-klonik epilepsiye ait EEG işaretlerine uygulamıştır. Hastalıkların algılanması ve karakterize edilebilmesi için bantlar arasındaki güç oranlan hesaplanmış ve zamana bağımlı birer fonksiyon olarak çizdirilmiştir. Bu tezde son olarak Dalgacık Dönüşümüne yer verilmiştir. Dalgacık Dönüşümünün literatürde bilinen birçok çeşidi bulunmaktadır. EEG işaretlerinin yapılarına uygunluğu bakımından bu çalışmada Bspline Dalgacık Dönüşümü ele alınmıştır. Daha sonra çoklu çözünürlük (multiresolutional) analizinin yapısına değinilmiştir. Son analiz metodunun teoriksel yapısı hakkında bilgilendirildikten sonra olaya ilişkin potansiyeller üzerine11 uygulamasına yer verilmiştir. Bu uygulamada olaya ilişkin potansiyelleri karakterize edebilmekte kullanılan P300 dalgalarının algılanması esas alınmıştır. | tr_TR |
| dc.description.abstract | The first electroencephalogram was recorded by Berger in 1929. The EEG has become one of the most important diagnostic tool for clinicians. Digital Signal Processing (DSP) science has been devoloped by the invention of the computers. Then DSP has found many different application areas. One of the most application area of DSP is in medicine science. EEG signals have a complex structure. Scientists have been developed many methods or offered hypothesis for recover the pure information from that complex structure. In this thesis, has handled some of that methods for Time, Frequency and Time- Frequency representation of the EEG signals. In this work, has mentioned to three analysis methods for EEG signals. These are Fourier Transform, Short-Time Fourier Transform (STFT), and Wavelet Transform. First part of t he thesis, has handled theoretical background o f F ourier Transform after the theory has given a place to Fourier Transform application for EEG signals. As known EEG data have discrete structure when they stored by computer. From that reason, in the application we used Discrete Fourier Transform for analyze the EEG signal. Second part of the thesis, has handled Short-Time Fourier Transform. In this analysis method, there are functions for seperate the signal into stationary or nearly stationary parts which called "windows". In the literature sometimes this analysis method called Windowed Fourier Transform. STFT gives not only the frequency content of EEG signal, gives which time has how much frequency content. After the mentioned to theoretical background of STFT, has given the applications for Tonic-clonic structered EEG signals. In this application calculated and plotted bands relative intensity ratio for epileptic diagnosing. Last part of the thesis has mentioned Wavelet Transform. In the literature there are many kind of Wavelets but Bspline Wavelets are best adapted waveforms for EEG signals structure. After the theoretical background of Bsplines, have given multiresolutional analysis idea. At the end of the that part, applicated that analysis method to EEG signals which they recorded as Event Related Potentials (ERP). When analyzing the ERPs' theIV basic idea is detect the P300 spikes. Detection of P300 spikes are very important for characterizing and identifying ERPs'. | en_US |
| dc.format.extent | XI, 66 sayfa | tr_TR |
| dc.identifier.citation | Ersop, M. E. (2003). EEG işaretlerinin analiz metodlarının karşılaştırılmalı bir çalışması. Yayınlanmamış yüksek lisans tezi. Uludağ Üniversitesi Fen Bilimleri Enstitüsü. | tr_TR |
| dc.identifier.uri | http://hdl.handle.net/11452/7806 | |
| dc.language.iso | tr | tr_TR |
| dc.publisher | Uludağ Üniversitesi | tr_TR |
| dc.relation.publicationcategory | Tez | tr_TR |
| dc.rights | info:eu-repo/semantics/openAccess | en_US |
| dc.subject | EEG | tr_TR |
| dc.subject | Fourier dönüşümü | tr_TR |
| dc.subject | Kısa zaman fourier dönüşümü | tr_TR |
| dc.subject | Gabor dönüşümü | tr_TR |
| dc.subject | Dalgacık dönüşümü | tr_TR |
| dc.subject | Bspline dalgacık dönüşümü | tr_TR |
| dc.subject | P300 dalgaları | tr_TR |
| dc.subject | Olaya ilişkin potansiyeller | tr_TR |
| dc.subject | Epilepsi | tr_TR |
| dc.subject | Fourier transform | en_US |
| dc.subject | Short time fourier transform | en_US |
| dc.subject | Gabor transform | en_US |
| dc.subject | Wavelet transform | en_US |
| dc.subject | Bspline wavelet transform | en_US |
| dc.subject | P300 | en_US |
| dc.subject | Event related potentials | en_US |
| dc.subject | Epilepsy | en_US |
| dc.title | EEG işaretlerinin analiz metodlarının karşılaştırılmalı bir çalışması | tr_TR |
| dc.title.alternative | A Comparative study of EEG signals anlysis methods | en_US |
| dc.type | masterThesis | en_US |