Ayrık Dalgacık Dönüşümünün EEG Sinyallerinin Sınıflandırılması Üzerindeki Etkisinin İncelenmesi

Kızılarslan G., KILIÇ N., GÜMÜŞ E.

Tıptekno'11 Tıp Teknolojileri Ulusal Kongresi, Antalya, Türkiye, 1 - 04 Ekim 2011

  • Yayın Türü: Bildiri / Tam Metin Bildiri
  • Basıldığı Şehir: Antalya
  • Basıldığı Ülke: Türkiye
  • İstanbul Üniversitesi Adresli: Evet

Özet

Bu çalışmada, EEG sinyallerinin sınıflandırılması gerçekleştirilmiş ve sınıflandırıcıların değişkenleri değiştirilerek dalgacık dönüşümünün sınıflandırma üzerindeki etkileri incelenmiştir. İlk olarak ön işleme tabi tutulan EEG sinyallerinden dalgacık dönüşümü yöntemiyle öznitelik vektörleri elde edilmiş, sonrasında ise DVM ve kNN yöntemiyle sınıflandırma gerçekleştirilmiştir. Dalgacık Dönüşümünün sınıflandırma üzerindeki etkileri tablo olarak verilerek sınıflandırma sonucunda EEG sinyallerinin sağlıklı veya epileptik olduğu hakkında bilgi sağlanmıştır. Bu bildiride 1. seviye Haar ve Db4 dalgacıkları ile 5-kat ve 10-kat çapraz sağlama (k-fold cross validation) kullanılmıştır. Gerçekleştirilen sınıflandırma sonuçları kıyaslandığında SVM yöntemi KNN ‘ye göre daha başarılı sonuç vermekte ve dalgacık analizi değişkenleri karşılaştırılmasında SVM için kernel tipi Doğrusal ve Polinom olan Dalgacık Dönüşümü; kNN için ise Öklid mesafesi en iyi sonucu vermektedir ve çapraz sağlama değeri arttıkça başarımının azaldığı görülmektedir.

In this study, EEG signals classiffication is realised and Discreet Wavelet Transform (DWT) and its effect on classification is analyzed by changing variables of classifiers. First, pre-processed EEG signals are obtained, then feature vectors are produced by Wavelet transform method after then classification is realized by SVM and k-NN methods. Discreet Wavelet transform effects on the classification is shown by tables as a result of the classification is epileptic or healthy. In this paper, 1. level Haar and Db4 wavelets with 5-fold and 10-fold Cross Validation are used. When classification results compared, SVM method gives better than kNN method. Comparing the variables; for SVM, linear and polynomial kernel type and for the kNN, Euclidean distance gives better result. It is seen that When the k value of k-fold cross validation is increased the result of classification decreased.