Sürdürülebilir Kalkınma Amaçları
Yazarlar
Yayınlar
- MakaleAçık Erişim2024Convmixer ve SDD Kullanılarak DEHB Hastalığının EEG Sinyalleri ile Otomatik Olarak Tespit Edilmesi
Sengur, Abdulkadir; Üzen, Hüseyin; Özçelik, Salih Taha Alperen; Uyanik, Hakan; Karakaş, Buğra
DEHB, çocuklarda dikkat eksikliği, davranış problemleri, eğitimle ilgili sorunlar ve düşük özgüven gibi problemler oluşturabilir. Bu çalışma, Dikkat Eksikliği Hiperaktivite Bozukluğu (DEHB) teşhisini elektroensefalografi (EEG) sinyalleriyle değerlendirmeyi hedefleyen bir araştırmayı özetlemektedir. Araştırma, 30 DEHB tanısı almış çocuk ve 30 sağlıklı kontrol grubunun EEG verilerini kullanmıştır. EEG verileri öncelikle gürültü azaltma amacıyla işlenmiş ve ardından ConvMixer, ResNet50 ve ResNet18 gibi derin öğrenme modelleri kullanılarak sınıflandırılmıştır. Bulgular, ConvMixer'in düşük hesaplama kaynaklarına ihtiyaç duyarak yüksek sınıflandırma başarısı elde ettiğini göstermektedir. Ayrıca, EEG sinyallerinin DEHB teşhisinde kullanılabilirliği konusunda farklı kanalların etkileri incelenmiş ve T8 kanalının özellikle etkili olduğu tespit edilmiştir. Bu çalışma, EEG tabanlı DEHB teşhisi için daha hafif modellerin kullanılabilirliğini ve EEG kanallarının önemini vurgulamaktadır.
AtıfOpenAlex1
İncele - MakaleAçık Erişim2023Balistokardiyografi sinyalleri ile derin öğrenme tabanlı hipertansiyon tespiti
Sengur, Abdulkadir; Özçelik, Salih Taha Alperen; Uyanik, Hakan
Kan basıncı, damarlardaki kanın damar duvarlarına uyguladığı basınçtır. Bu basınç değerinin normal kabul edilen seviyelerin üzerinde seyir etmesi yüksek tansiyon (YT) veya hipertansiyon (HPT) olarak bilinir. Hayat kalitesini negatif yönde etkileyen, çoğu zaman organlarda çeşitli tahribatlara sebep olan ve ölümlere yol açabilen bu sağlık probleminin teşhisi oldukça önemlidir. Bu çalışmada, balistokardiyografi (BKG) sinyalleri kullanılarak HPT'nin otomatik teşhisine yönelik bir yöntem önerilmiştir. Bunun için BKG sinyalleri, sürekli dalgacık dönüşümü filtre bankası (SDDFB) yöntemi kullanılarak zaman-frekans domenine taşınmıştır. Bu işlemler yapılırken kullanılan dönüşüm yönteminde bazı parametre ayarları gerçekleştirilerek dönüşümün kalitesi arttırılmıştır. Daha sonra elde edilen görüntüler ResNet18, ResNet50, VGG16 ve AlexNet evrişimsel sinir ağlarıyla sınıflandırılmış ve elde edilen sonuçlar karşılaştırılmıştır. Önerilen yöntem ile ResNet18, ResNet50, VGG16 ve AlexNet mimarileri için sırasıyla %98,92, %99,34 ve %99,22 ve %98,07 sınıflandırma doğruluğu elde etmiştir. Elde edilen bu yüksek sınıflandırma sonuçları önerilen yöntemin hipertansiyon teşhisi için kullanılabileceğini ispatlar niteliktedir.