EEG SİNYALLERİNDEKİ EPİLEPTİFORM AKTİVİTENİN VERİ MADENCİLİĞİ SÜRECİ İLE TESPİTİ

Year 2009, Volume: 4 Issue: 1, 1 - 12, 01.02.2009

Mehmet Albayrak

Abstract

Bu çalışmada; elektroensefolagram (EEG) verileri üzerinde, epileptik aktivitelerin olup olmadığının belirlenmesi ve daha sonraki aşamalarda geliştirilecek ilave yazılımlarla otomatik teşhis koymaya yardımcı bir araç geliştirilmesi amaçlanmıştır. Verilerin veri madenciliği süreçleri kapsamında sınıflama ve kümeleme algoritmaları kullanarak tespit edilebilmesi için öncelikli olarak sekiz adet öznitelik parametresi seçilmiş ve hesaplanmıştır. Belirlenen öznitelikler için elde edilen sonuçlar, onbir ayrı veri madenciliği algoritmasına tabi tutulmuştur. Böylelikle farklı veri madenciliği algoritmaları ile elde edilen sonuçların hesaplama sürelerinin ve doğruluk oranlarının kıyaslanması sağlanmıştır. En yüksek doğruluk oranını verdiği tespit edilen algoritmalar yardımı ile bu alanda çalışan uzmanların epileptik aktivite teşhisi koymalarına zemin oluşturmak, ilgililerin teşhis sürecinde karar vermelerini kolaylaştırmak ve konulan teşhislerde doğruluk oranını yükselterek, Türkiye'de nöroloji ve bilgisayar bilimleri literatürüne katkı sağlanması hedeflenmiştir.

Keywords

Veri madenciliği, Epileptiform aktivite, EEG, ÖZNİTELİKLER, .,

THE DETECTION OF AN EPILEPTIFORM ACTIVITY ON EEG SIGNALS BY USING DATA MINING PROCESS

Abstract

In this study; the goal is to develop a tool and additional software that would help diagnose whether or not there are epileptic activities based on electroencephalograph (EEG) data. Firstly, eight attribute parameters are selected and determined in order to be able to gather data by using grouping and classification algorithm in the process of data mining. Then, the values of selected attribute parameters are analyzed by eleven different data mining algorithms. Accordingly, it is found that different data mining algorithms allow for a comparison of calculation time and accuracy levels of the results. Through the algorithms that give the highest accuracy level, the findings of the study provide health care professionals with the data to diagnose epileptic activity, to ease the decision making process in the process of diagnosis, and to contribute to neurological studies and computer science literature in Turkey by increasing the level of accuracy in diagnosis.

Keywords

Data mining, Epileptiform activity, EEG, attributes, .,