EEG sinyallerini kullanarak Alzheimer hastalığının otomatik tespiti için bilgisayar destekli tanı sistemi

Zülfikar Aslan

doi:10.24012/dumf.1092569

EEG sinyallerini kullanarak Alzheimer hastalığının otomatik tespiti için bilgisayar destekli tanı sistemi

Öz

Alzheimer beyindeki bozulmalardan kaynaklı bilişsel ve davranışsal eksiklikler gibi semptomlarla kendini gösteren önemli bir nörolojik hastalıktır. Alzheimer hastalığının kesin bir tedavi yöntemi bulunmamaktadır. Ancak hastalığın erken teşhisi ile hastalığın ilerlemesinin yavaşlatılması amaçlanmaktadır. Bu durum hastanın yaşam standartlarının korunmasında önem arz etmektedir. Ayrıca hastalığın tam olarak teşhisi deneyimli bir uzman tarafından değerlendirilecek olan maliyetli testler ve yorucu bir teşhis aşaması gerektirmektedir. Bu motivasyonla önerilen yöntemle Alzheimer hastalığının EEG sinyallerinden otomatik olarak gerçekleştirilmesini amaçlayan yeni bir bilgisayar destekli tanı sistemi sunulmaktadır. Sunulan çalışmada öncelikle ham EEG verilerine önişlem uygulanarak var olan gürültüler giderilmiştir. Sonraki aşamada ise her bir kanaldan alınan verilere dalgacık dönüşümü uygulandıktan sonra istatistiksel özellikler hesaplanmıştır. Elde edilen özelliklerin k-en yakın komşu (kNN) sınıflandırıcısı ile sınıflandırılmasıyla sağlıklı katılımcılar ile Alzheimer hastası katılımcılar 91.12% doğrulukla ayırt edilmiştir.

Anahtar Kelimeler

Kaynakça

[1] V. Bairagi, “EEG signal analysis for early diagnosis of Alzheimer disease using spectral and wavelet based features,” Int. J. Inf. Technol., vol. 10, no. 3, pp. 403–412, 2018.
[2] L. R. Trambaiolli, N. Spolaôr, A. C. Lorena, R. Anghinah, and J. R. Sato, “Feature selection before EEG classification supports the diagnosis of Alzheimer’s disease,” Clin. Neurophysiol., vol. 128, no. 10, pp. 2058–2067, 2017.
[3] R. H. Blank, “Alzheimer’s Disease and Other Dementias: An Introduction,” in Social \& Public Policy of Alzheimer’s Disease in the United States, Springer, 2019, pp. 1–26.
[4] N. N. Kulkarni and V. K. Bairagi, “Extracting salient features for EEG-based diagnosis of Alzheimer’s disease using support vector machine classifier,” IETE J. Res., vol. 63, no. 1, pp. 11–22, 2017.
[5] S. J. Ruiz-Gómez et al., “Automated multiclass classification of spontaneous EEG activity in Alzheimer’s disease and mild cognitive impairment,” Entropy, vol. 20, no. 1, p. 35, 2018.
[6] J. P. Amezquita-Sanchez, N. Mammone, F. C. Morabito, S. Marino, and H. Adeli, “A novel methodology for automated differential diagnosis of mild cognitive impairment and the Alzheimer’s disease using EEG signals,” J. Neurosci. Methods, vol. 322, pp. 88–95, 2019.
[7] N. Kulkarni, “Use of complexity based features in diagnosis of mild Alzheimer disease using EEG signals,” Int. J. Inf. Technol., vol. 10, no. 1, pp. 59–64, 2018.
[8] K. D. Tzimourta et al., “EEG window length evaluation for the detection of Alzheimer’s disease over different brain regions,” Brain Sci., vol. 9, no. 4, p. 81, 2019.

[9] M. S. Safi and S. M. M. Safi, “Early detection of Alzheimer’s disease from EEG signals using Hjorth parameters,” Biomed. Signal Process. Control, vol. 65, p. 102338, 2021.
[10] U. Orhan, M. Hekim, and M. Ozer, “EEG signals classification using the K-means clustering and a multilayer perceptron neural network model,” Expert Syst. Appl., vol. 38, no. 10, pp. 13475–13481, 2011.
[11] B. Hjorth, “EEG analysis based on time domain properties,” Electroencephalogr. Clin. Neurophysiol., vol. 29, no. 3, pp. 306–310, 1970.
[12] A. M. Pineda, F. M. Ramos, L. E. Betting, and A. S. L. O. Campanharo, “Quantile graphs for EEG-based diagnosis of Alzheimer’s disease,” PLoS One, vol. 15, no. 6, p. e0231169, 2020.
[13] B. R. Bakshi, “Multiscale PCA with application to multivariate statistical process monitoring,” AIChE J., vol. 44, no. 7, pp. 1596–1610, 1998.
[14] P. Jahankhani, V. Kodogiannis, and K. Revett, “EEG signal classification using wavelet feature extraction and neural networks,” in IEEE John Vincent Atanasoff 2006 International Symposium on Modern Computing (JVA’06), 2006, pp. 120–124.
[15] H. U. Amin et al., “Feature extraction and classification for EEG signals using wavelet transform and machine learning techniques,” Australas. Phys. \& Eng. Sci. Med., vol. 38, no. 1, pp. 139–149, 2015.
[16] R. C. Gonzalez, Digital image processing. Pearson education india, 2009.
[17] N. S. Altman, “An introduction to kernel and nearest-neighbor nonparametric regression,” Am. Stat., vol. 46, no. 3, pp. 175–185, 1992.
[18] W. H. Organization and others, Dementia: a public health priority. World Health Organization, 2012.
[19] J. Jeong, “EEG dynamics in patients with Alzheimer’s disease,” Clin. Neurophysiol., vol. 115, no. 7, pp. 1490–1505, 2004.
[20] C. Patterson and others, “World alzheimer report 2018,” 2018.
[21] J. Dauwels, F. Vialatte, and A. Cichocki, “Diagnosis of Alzheimer’s disease from EEG signals: where are we standing?,” Curr. Alzheimer Res., vol. 7, no. 6, pp. 487–505, 2010.
[22] A. Alberdi, A. Aztiria, and A. Basarab, “On the early diagnosis of Alzheimer’s Disease from multimodal signals: A survey,” Artif. Intell. Med., vol. 71, pp. 1–29, 2016.
[23] R. Cassani, M. Estarellas, R. San-Martin, F. J. Fraga, and T. H. Falk, “Systematic review on resting-state EEG for Alzheimer’s disease diagnosis and progression assessment,” Dis. Markers, vol. 2018, 2018.
[24] B. Oltu, M. F. Ak\csahin, and S. Kibaro\uglu, “A novel electroencephalography based approach for Alzheimer’s disease and mild cognitive impairment detection,” Biomed. Signal Process. Control, vol. 63, p. 102223, 2021.

Ayrıntılar

Birincil Dil

Türkçe

Konular

-

Bölüm

Araştırma Makalesi

Yazarlar

Zülfikar Aslan ^*
0000-0002-2706-5715
Türkiye

Yayımlanma Tarihi

28 Haziran 2022

Gönderilme Tarihi

24 Mart 2022

Kabul Tarihi

14 Haziran 2022

Yayımlandığı Sayı

Yıl 2022 Cilt: 13 Sayı: 2

DOI

https://doi.org/10.24012/dumf.1092569

IZ

https://izlik.org/JA69HZ45CB

Kaynak Göster

RIS / Bibtex

APA

Aslan, Z. (2022). EEG sinyallerini kullanarak Alzheimer hastalığının otomatik tespiti için bilgisayar destekli tanı sistemi. Dicle Üniversitesi Mühendislik Fakültesi Mühendislik Dergisi, 13(2), 213-220. https://doi.org/10.24012/dumf.1092569

AMA

1.Aslan Z. EEG sinyallerini kullanarak Alzheimer hastalığının otomatik tespiti için bilgisayar destekli tanı sistemi. DÜMF MD. 2022;13(2):213-220. doi:10.24012/dumf.1092569

Chicago

Aslan, Zülfikar. 2022. “EEG sinyallerini kullanarak Alzheimer hastalığının otomatik tespiti için bilgisayar destekli tanı sistemi”. Dicle Üniversitesi Mühendislik Fakültesi Mühendislik Dergisi 13 (2): 213-20. https://doi.org/10.24012/dumf.1092569.

EndNote

Aslan Z (01 Haziran 2022) EEG sinyallerini kullanarak Alzheimer hastalığının otomatik tespiti için bilgisayar destekli tanı sistemi. Dicle Üniversitesi Mühendislik Fakültesi Mühendislik Dergisi 13 2 213–220.

IEEE

[1]Z. Aslan, “EEG sinyallerini kullanarak Alzheimer hastalığının otomatik tespiti için bilgisayar destekli tanı sistemi”, DÜMF MD, c. 13, sy 2, ss. 213–220, Haz. 2022, doi: 10.24012/dumf.1092569.

ISNAD

Aslan, Zülfikar. “EEG sinyallerini kullanarak Alzheimer hastalığının otomatik tespiti için bilgisayar destekli tanı sistemi”. Dicle Üniversitesi Mühendislik Fakültesi Mühendislik Dergisi 13/2 (01 Haziran 2022): 213-220. https://doi.org/10.24012/dumf.1092569.

JAMA

1.Aslan Z. EEG sinyallerini kullanarak Alzheimer hastalığının otomatik tespiti için bilgisayar destekli tanı sistemi. DÜMF MD. 2022;13:213–220.

MLA

Aslan, Zülfikar. “EEG sinyallerini kullanarak Alzheimer hastalığının otomatik tespiti için bilgisayar destekli tanı sistemi”. Dicle Üniversitesi Mühendislik Fakültesi Mühendislik Dergisi, c. 13, sy 2, Haziran 2022, ss. 213-20, doi:10.24012/dumf.1092569.

Vancouver

1.Zülfikar Aslan. EEG sinyallerini kullanarak Alzheimer hastalığının otomatik tespiti için bilgisayar destekli tanı sistemi. DÜMF MD. 01 Haziran 2022;13(2):213-20. doi:10.24012/dumf.1092569

Cited By

DETECTION OF ALZHEIMER'S DISEASE FROM ELECTROENCEPHALOGRAPHY (EEG) SIGNALS USING MULTITAPER AND ENSEMBLE LEARNING METHODS

Uludağ University Journal of The Faculty of Engineering

https://doi.org/10.17482/uumfd.1142345

Fast Walsh–Hadamard transform and deep learning approach for diagnosing psychiatric diseases from electroencephalography (EEG) signals

Neural Computing and Applications

https://doi.org/10.1007/s00521-023-08971-6

EEG sinyallerini kullanarak Alzheimer hastalığının otomatik tespiti için bilgisayar destekli tanı sistemi

EEG sinyallerini kullanarak Alzheimer hastalığının otomatik tespiti için bilgisayar destekli tanı sistemi

Öz

Anahtar Kelimeler

Kaynakça

Ayrıntılar

Birincil Dil

Konular

Bölüm

Yazarlar

Yayımlanma Tarihi

Gönderilme Tarihi

Kabul Tarihi

Yayımlandığı Sayı

DOI

IZ

Kaynak Göster

Cited By

DETECTION OF ALZHEIMER'S DISEASE FROM ELECTROENCEPHALOGRAPHY (EEG) SIGNALS USING MULTITAPER AND ENSEMBLE LEARNING METHODS

Fast Walsh–Hadamard transform and deep learning approach for diagnosing psychiatric diseases from electroencephalography (EEG) signals

Makine Öğrenme Yöntemleri ile EEG Sı̇nyallerı̇nden Alzheimer Hastalığı Tanısı

Alzheimer Hastalığının Manyetik Rezonans Görüntülerden Hibrit Derin Öğrenme Yaklaşımı ile Otomatik Tespiti

Türkiye’de Sosyal Bilimler Alanında EEG Kullanılarak Yapılan Tezlerin İncelenmesi