Theses supervised by Prof. Dr. Temel Kayıkçıoğlu
14 theses · Karadeniz Technical University
Development of novel physiological analysis methods based on dual-wavelength phtoplethysmographic signals time differences
Photoplethysmographic (PPG) signals are obtained by changes in the amount of arterial blood, which in turn depends on the heart activities. PPG has been used as an advantageous measurement technique in biological and physiological assessments. Most previous analyses of PPG signal were based on time and frequency domain characteristics or shape of the simple PPG signal with a unique wavelength of light. In the present thesis, for the first time, time difference variations between two simultaneous unlike PPG signals were extracted and proposed as a new strategy for the analysis of dual-wavelength PPG signals. An improved dual-channel PPG biosensor was developed to obtain simultaneous PPG signals with different wavelengths. Then, time differences between the obtained PPG pairs were extracted in each heartbeat and used for various physiological conditions monitoring. The extracted time difference features were analyzed in different studies. Statistical analysis and classification algorithms were used to analyze the obtained data. Results showed that different PPG signals had significant time difference variations (time shifts relative to each other) with changes in a psychophysical state of investigated subjects. This earlier unreported phenomenon would have been a novel and interesting finding. In addition, analyses and classification results showed that the used time difference features had very good potential to classify various bio-physiological conditions.
EKG aritmilerinin zaman frekans esaslı öznitelikler kullanılarak sınıflandırılması
Kalp hastalıklarının önceden tespit edilmesiyle ilerde ortaya çıkabilecek kalıcı hasarların hatta ölümlerin bile önüne geçilebilmektedir. Bu tezde çeşitli makine öğrenmesi algoritmalarıyla EKG Aritmilerinin tespit edilmesi amaçlanmıştır. Buda klinik karar destek sistemleri için oldukça önemlidir. Çalışmada MIT-BIH Aritmi veritabanından seçilen R-R aralıklarından oluşturulan büyük bir veritabanı kullanılmıştır. Çalışma iki aşamadan oluşmaktadır. Birinci aşamada kalp hastalıkları Sağlıklı EKG kayıtları ve aritmili EKG kayıtları olmak üzere iki sınıf şeklinde ayrılmıştır. İlk aşamada kişide herhangi bir aritminin olup olmadığınn tespit edilmesi amaçlanmıştır. İkinci aşamda ise EKG kayıtları 9 sınıfa ayrılmıştır ve kişideki aritminin ne olduğunun bulunması amaçlanmıştır. Öznitelik çıkarma aşamasında zaman-frekans dönüşümü yöntemleri kullanılmıştır. Bu yöntemler Yumuşatılmış Sahte Wigner-Ville, Choi-Williams,Born-Jordan, Bessel ve Zhao-Atlas-Mark dönüşümleridir. Sınıflandırma aşamasında ise Destek Vektör Makineleri, K En Yakın Komşuluk algoritmaları, Topluluk sınıflandırıcıları, Ağaç yöntemleri ve Ayırma Analizi kullanılmıştır. Tez çalışmasında önerilen yöntemin hesaplama süresinin oldukça kısa olduğu görülmüştür ve gerçek zamanlı sistemlere uyarlanabilirliği kanıtlanmıştır. Tez çalışması geliştirilmekte olan Teletıp sisteminde Karar Destek sisteminin bir parçası olacaktır. Yapılan iki sınıflı çalışmanın performans sonuçları doğruluk, duyarlılık, özgüllük ve pozitif prediktif değerleri sırasıyla %93.88, %92.14, %95.62, %95.46 olarak bulunmuştur. 9 sınıflı olarak yapılan aşamasında ise doğruluk, duyarlılık, özgüllük, F skor, pozitif prediktif değer, negatif prediktif değerler sırasıyla %98.56, %71.69, %98.48, %76.71, %89.31, %98.91 olarak bulunmuştur.
Kalp aritmisinin çift dalgaboylu PPG sinyalleri kullanılarak belirlenmesi
Fotopletismogram (PPG) sinyalleri kılcal damarlarda meydana gelen hacimsel değişikliklerin optiksel olarak ölçülmesi sonucunda elde edilen sinyallerdir. Kılcal damarlardaki hacimsel değişiklikler de kalbin çalışmasına bağlıdır. Yeni yapılan araştırmalar sonucunda PPG sinyallerinin kişinin fizyolojik ve biyolojik durumu ile ilgili birçok bilgi içerdiği görülmüştür. Yapılan bu çalışmaların çoğu tek dalgaboyu ile elde edilen PPG sinyallerinin zaman ve frekans uzaylarındaki karakteristiklerinin, dalga şekillerinin incelenmesine dayanmaktadır. Elektrokardiyogram (EKG) sinyalleri ise kalbin elektriksel aktivitesi sonucunda elde edilen sinyallerdir. Kalp aritmileri de dahil birçok kalp rahatsızlığının tespitinde kullanılan EKG sinyalleri hastane ortamında, bir sağlık personeli gözetiminde, vücuda elektrotlar yapıştırılarak elde edilmektedir. Buradan da anlaşılacağı üzere EKG sinyallerinin elde edilmesi zahmetli bir iştir. Ancak PPG sinyallerinin elde edilmesi kolay ve giyilebilir teknolojilere kolayca entegre edilebilirdir. Yapılan bu tezde çift dalgaboylu PPG sinyalleri kullanılarak kalp aritmisinin tespiti için yeni bir yaklaşım sunulmuştur. Geliştirilen donanım yardımıyla kalp aritmisi olan kişiler ve sağlıklı kişiler üzerinden alınan çift dalgaboylu PPG sinyallerine ait tepeler arasındaki zaman farkları kullanılarak öznitelikler çıkarılmıştır. Çıkarılan bu özniteliklerle yapılan sınıflandırmada yüksek bir oranda doğruluk elde edilmiştir. Bu durum kullanılan zaman farkı özniteliğinin kalp aritmisinin tespitinde ne kadar güçlü durduğunu göstermiştir.
Konuşmacı aşinalığının EEG tabanlı belirlenmesi
Adli bilimlerde, organize suç örgütlerine mensup kişilerin birbirleriyle bağlantısının çözülmesi çok büyük önem arz etmektedir. Bir insan grubunun örgütlenerek işlediği düzenli ve organize suçlar, tekil kişilerin işlediği suçlara göre nispeten daha tehlikeli görülmektedir. Bu tip organize suç örgütlerinin bireylerinin belirlenmesi ve hiyerarşik yapısının çözülmesi, örgüt faaliyetlerinin ortaya konabilmesi ve örgüt elemanlarının yakalanabilmesi için ilk adım olarak görülmektedir. Emniyet birimleri tarafından yakalan örgüt üyeleri bağlı oldukları suç topluluğu hakkındaki bilgileri saklı tutma çabasında olabilmektedir. Bu soruna yardımcı bir uygulama olarak önerilen bu yüksek lisans tezinin amacı organize suç örgütlerine mensup kişilerin örgüt içi kişilerle bağlantısının, ilgili örgütte etkin olarak irtibatta bulunduğu kişilerin belirlenebilmesinde alternatif bir yol sunmaktır. İnsanların kişi seslerine olan aşinalığını uzun süreli ve sık birliktelik ile oluştuğunu ortaya koyan çalışmalardan yola çıkılarak bu tez konusu belirlenmiştir. Literatürde öncü bir uygulama olan bu çalışmada altı kişi üzerinden kaydedilen EEG ölçümlerinde kişilerin dinledikleri kişi seslerini tanıyıp tanıyamama durumu ortalama %80,5 ve standart sapması 3,7 olmak üzere belirlenebilmiştir.
Analysis of EEG signals in gazing at rotating vanes for brain computer interface
A brain computer interface system (BCIs) is a device that translates brain activity into a command for a computer. This thesis proposes a new BCIs based on the gaze on rotating vanes. Our BCIs can identify five different rotating vanes that were shown to the subjects in a screen. The EEG signals were obtained from healthy human subjects in an age group between 20 and 32 years. The features are extracted from the 0.5-sec, 1-sec. and 2-sec. epochs using different methods. These features by different classifiers were classified and the results were compared together. FFT, DWT and AR model to extract features and SVM, k-NN, LDC and PLSR to classify these features were used. PLSR classifier has better classification acuracy in different steps of thesis. Also channel T3 has better results in gazing rotating vanes. By using only this channel, We could classified 2-sec epochs in proposed spelling system, with about %65. Our system's speed is about 21 bits per min.
EEG işaretlerindeki göz ve çene hareketi artifaktlarının sınıflandırılması
Günümüzde, engellilerin hayatını kolaylaştırmaya yönelik olarak internet ve bilgisayar teknolojisi tabanlı birçok önemli çalışma yapılmaktadır. Bu teknolojilerden birisi Beyin Bilgisayar Arayüzü (BBA) sistemidir. BBA insanların motor sinir sistemlerini kullanmaksızın bir bilgisayarı, elektromekanik bir kolu ya da çeşitli nöro protezleri kullanmalarını olanaklı hale getiren sistemlerdir. Günümüzdeki BBA sistemleri derin ve yüzeysel EEG (Elektroensefalografi) kayıtları ile alınan beyin sinyallerinin işlenmesi ile gerçekleştirilmektedir. Elektroensefalografi işaretleri, beyin yüzeyinden elektrotlarla algılanan düşük genlikli biyoelektrik işaretlerdir. Bu işaretlerin genliği tepeden tepeye 2-100 ?V ve frekans bandı ise 0.1-60 Hz aralığında bulunmaktadır. Ama EEG işaretleri düzensiz bir yapıya sahip olmasından dolayı daima artifakt bulundururlar. Genelde artifaktlar sinyaldeki istenmeyen verilerdir. Bu artifaktlar hareketli uzuvların örneğin; gözün hareketlerinden oluşan ya da vücudun dış etkilere gösterdiği tepki sonucu oluşan biyoelektrik potansiyellerdir. BBA sistemlerde Elektrookülografi (EOG) ve elektromayografi (EMG) artifaktları, fizyolojik artifaktların en önemli kaynaklardan biri olarak kabul edilir.Bu tez çalışmasında, EEG işaretlerin çeşitli yüz hareketleri yapıldığı sırada göz ve çene artifaktlarının kaydedilmesi ve sınıflandırılması sunulmuştur. Çalışmada kullanılan EEG işaretleri Brain Quick EEG sistemi (Micromed, İtalya) ile kaydedilmiştir. Veriler, yaşları 28-30 arasında değişen sağlıklı erkek bireylerden farklı günlerde kaydedilmiştir. Deneyde elektrotlar uluslararası 10-20 yerleşim sistemine göre alınmıştır, Öznitelikler; karekök ortalama, polinom uydurma ve Hjorth betimleyici yöntemleri ile çıkarılmıştır. Çıkarılan öznitelikler ile EEG sinyalleri k en yakın komşuluk sınıflandırıcısı ile sınıflandırılmıştır. Önerilen yöntem test verilerinde üç kişi üzerinde %99, % 94 ve %89 sınıflandırma doğruluğu elde etmiştir.
Kısmi en küçük kareler regresyon yöntemiyle uyku EEG' sinin sınıflandırılması
Bu çalışmada amaçlanan Elektroensefalografi (EEG) uyku kayıtlarında uyku ile uyanıklık evrelerinde gözlemlenen beyin aktivite durumundan faydalanarak bu iki evrenin birbirlerinden ayırt edilebilmesi ve uyku başlangıcının erken yakalanabilmesi için kısmi en küçük kareler regresyon yönteminden yararlanarak yapılan sınıflandırmanın başarısını ortaya koymaktır. Çalışmada karşılaştırma yapmak amacıyla aynı verilere k-en yakın komşuluk ve bayes sınıflandırma yöntemleri uygulanmış olup sonuçlar karşılaştırıldığında kısmi en küçük kareler regresyon yöntemi kullanılarak yapılan sınıflandırmanın % 90'lar civarında kabul edilebilir bir başarı oranı sağladığı ve zaman ile işlem yükü açısından daha avantajlı olduğu görülmüştür.Çalışmada yedi farklı sağlıklı kişiye ait EEG kayıtları kullanılmış olup kullanılan EEG işaretleri physionet veri bankasındaki sleep-edf veri tabanında bulunan uyku skorlama çalışmalarına ait kayıtlardır. Bu kayıtlar normalizasyon ve filtreleme basamaklarından oluşan ön işlemeye tabi tutulmuş ve öznitelik çıkarma amacıyla kayıtlara otoregresif modelleme yöntemi uygulanmıştır. Yapılan bu çalışmanın klinik uygulamalarda ve uyku ikaz sistemlerinde kullanılabilir olacağı düşünülmektedirUygulamalardaki tüm sonuçlar MATLAB programı ile elde edilmiştir.
İmlecin iki boyutlu hareketinin hayali sırasında kaydedilmiş EEG işaretlerinin karar ağaç yapısı esaslı sınıflandırılması
EEG tabanlı Beyin bilgisayar arayüzü (BBA) sistemlerinin giriş işaretleri doğası gereği durağan değillerdir, düşük işaret gürültü oranına sahiptirler, fiziksel ve düşünsel uygulamalardan etkilenirler ve elektromiyogram ve elektrookülogram gibi çeşitli artifaktlardan bulanırlar. Tüm bu dezavantajlar araştırmacıları beyin ile BBA'nın çıkış cihazı arasındaki iletişim sisteminin tüm elemanlarının hızını ve doğruluğunu arttırmaya motive etmektedir. Bundan dolayı, hızlı ve doğru bir BBA sistemi gerçekleştirmek için en uygun sınıflandırma algoritmasını ve düşük boyutlu öznitelik seti kullanmak mühimdir. Diğer taraftan, BBA sistemlerinin kullanımda pratik yapmak için sınıflandırıcıların farklı seanslarda kaydedilmiş sinyalleri ayrıştırma kabiliyetinin olması da çok önemlidir. Bu tezde, bilgisayar imlecinin yukarı, aşağı, sağa ve sola hareket ettirilmesinin hayal edilmesi sırasında kaydedilmiş EEG işaretlerinin sınıflandırılması için hızlı ve sınıflandırma doğruluğu yüksek metotlar önerilmiştir. Veri kümeleri, yaşları 24-29 arasında değişen sağlıklı erkek bireylerden farklı günlerde iki seansta kaydedilmiştir. Dalgacık dönüşümü katsayıları, özbağlanım parametreleri, yamukluk ve ortalama türev değerlerine dayalı çıkarılan öznitelik vektörleri, k-en yakın komşuluk, destek vektör makineleri ve doğrusal ayırma ayıracı ile sınıflandırılmışlardır. Önerilen metotlar, veri setine başarılı bir şekilde uygulanmış ve test verilerinde üç kişi üzerinde %60.53, % 62.50 ve %84.21 sınıflandırma doğruluğu elde etmişlerdir
Mamografi görüntülerindeki kitlelerin ve pektoral kas bölgesinin süperpozisyon etkisini dikkate alarak belirlenmesi
Bu tez çalışmasında, mamografi görüntülerindeki kitleleri ve pektoral kas bölgesini süper pozisyon etkisini dikkate alarak belirleyen yeni bir yaklaşım önerilmektedir. Süper pozisyona uğramış şüpheli bölgelerin belirginliğini artırmak için önce, dört farklı yöndeki Gabor filtreleri kullanılmış ve daha sonra topoğrafik haritaları oluşturulmuştur. Bu haritalar üzerindeki ilgi alanlarını belirlenmek için Eş Yükselti Eğrilerinin Kural Tabanlı Sınıflandırılması (EEKTS) yöntemi geliştirilmiştir. Bu yöntemde; ilgi bölgelerini belirlemek için optimum hayat süresi (OHS) içerisinde bulunan eş merkezli yükselti bölgelerinden hesaplanan yuvalama derinliği morfolojik, parlaklık ve doku öznitelikleri kullanılmaktadır. EEKTS yönteminin başarısını süper pozisyon etkisi altında kalan bozulmuş pektoral kas bölgeleri üzerinde artırmak için topoğrafik harita bloklara ayrılmıştır. Bu sayede, bozulumun etkisi bloklar halinde lokalize edilir ve sağlam olan pektoral kas sınırı parçalarının spesifik desenlerine sahip kontur dizisi ortaya çıkar. EEKTS yöntemi, belirginliği düşük olan kitle ve pektoral kas sınırı örneklerini yüksek doğrulukta tespit etmektedir. Literatürde yer alan pektoral kas bölgesi çıkaran BDT yazılımları, süper pozisyon sonucu bu bölge içerisinde olabilecek kitleleri ihmal etmişlerdir. Bu tez çalışması kapsamında pektoral kas bölgesinin çıkarıldıktan sonra kitle tespit işlemi yapılmasının, EEKTS yönteminin performansına olan etkisi detaylıca incelenmiştir.
Çeşitli aktiviteler sırasında kaydedilmiş EEG ve EMG işaretlerinin sınıflandırılması
Bu tez çalışmasında 11 gündelik aktivitenin yapıldığı esnada eşzamanlı olarak kaydedilmiş EEG ve EMG veri setinin sınıflandırılması hedeflenmektedir. 20 kişiye ait ölçümlerin bulunduğu bu veri seti 1 kanal EEG ile 1 kanal EMG verisinden oluşmaktadır. EEG verilerinin alt bileşenlerini elde etmek için ayrık dalgacık dönüşümü kullanılmıştır. Sonraki aşamada EEG, EMG ve alt bileşenlere ait öznitelikler çıkarılmıştır. Çalışmada kullanılan öznitelikler ortalama mutlak değer, Hjorth değişkenlik parametresi, basıklık, Hurst fraktal indisi ve sıfır geçişleridir. Sınıflandırma aşamasında literatürde yaygın olarak kullanılan; K-En Yakın Komşular, J48, Destek Vektör Makinesi, Yapay Sinir Ağları ve Naif Bayes yöntemleri kullanılmıştır. Sınıflandırma EEG ve EMG verileri ile bu iki veri tipinin birleştirilmesiyle elde edilen veri kümesi üzerinden gerçekleştirilmiştir. En yüksek doğruluk %94.7 ile K-EYK yönteminden, EEG ve EMG öznitelikleri kullanılarak elde edilmiştir. Sınıflandırma performansını iyileştirmek ve gürültü oranını azaltmak amacıyla Temel Bileşen Analizi kullanılmıştır. Böylelikle DVM yönteminden elde edilen başarı %91.3 seviyesine çıkmıştır. Diğer çalışmalara kıyasla, sadece iki kanal elektrot ile kaydedilmiş çok sınıflı bir veri kümesinin yüksek doğrulukla sınıflandırılması ve EEG ve EMG sinyalleri için aynı özniteliklerin kullanılması bu çalışmanın farkını ortaya koymaktadır.
Pankreas kanser dokularının segmentasyonunda farklı derin öğrenme tekniklerinin performanslarının incelenmesi
Pankreas kanserinin geç tanısını engellemek, tanı, tedavi ve cerrahide tıp doktorlarına yardımcı olmak için otomatik pankreaas ve pankreas tümör segmentasyonu kullanılmaktadır. Pankreasın ve pankreas tümörünün değişken büyüklükleri, şekilleri ve konumları nedeniyle, pankreas ve pankreas tümörü segmentasyonu ile ilgili çalışmalar belirli bir başarı yüzdesine kadar ulaşabilmektedirler. Tez çalışmamızın amacı Bilgisayarlı Tomografi (BT) görüntülemede daha yüksek doğrululuğa sahip otomatik pankreas ve pankreas tümörü segmentasyonu sağlamaktır. Bu kapsamda derin öğrenme tabanlı yaklaşımlar önerilmektedir. Tez çalışmamız iki farklı kısımdan oluşmaktadır. İlk kısımda pankreas segmentasyonunu gerçekleştirmeye yönelik iki aşamadan oluşan bir yöntem önerilmektedir; (i) Pankreas İlgi Bölgesinin Belirlenmesi ve (ii) Pankreas Segmentasyonu. İlk aşamada kaba olarak pankreas pozisyonunu tespit etmektedir. Bu aşama segmente edilmiş ve maskelenmiş pankreasın aday bölgelerinin oluşturduğu 2B alt BT dilimlerini üretmektedir. İkinci aşama (Pankreas Segmentasyonu) önceki aşamada üretilen 2B alt BT dilimlerini girdi olarak almakta ve çıktı olarak segmente edilmiş pankreas bölgesi üretilmektedir. Tez çalışmasının ikinci kısımda ise pankreas ve pankreas tümör dokularını segmente etmek için ilk kısımda önerilen iki fazlı yöntem tekrar dizayn edilmekte ve her fazın performansında iyileştirmeler sağlanmaktadır. Her kısım için önerilen yaklaşımların literatürdeki çalışmalar ile karşılaştırması yapılmakta ve daha iyi sonuçlar sağladığı öznel ve nesnel olarak ispatlanmaktadır.
El yazısı rakamların Izhikevich nöron modeline dayalı sınıflandırılması
Sınıflandırma problemleri sıkça karşılaşılan bir problemdir. Makine öğrenmesi çalışmalarında el yazısı rakamları tanıma problemi her zaman yer bulmuştur. Yapılan çalışmada amaç, darbeli sinir ağı (SNN) modelinin tek katmanlı sinir ağı modeli gibi sınıflandırma problemlerinde kullanılabilir olduğunu göstermektir. Bunun için her iki modele de aynı veri seti giriş olarak verilerek deneyler sonucunda elde edilen doğruluk değerleri karşılaştırılmıştır. Bu çalışmada, 0'dan 9'a kadar tüm rakamların el yazısı görüntülerini içeren MNIST veri seti kullanılmıştır. Veri seti içerisindeki rakamların ikili kombinasyonları giriş katmanı Poisson nöronlar, çıkış katmanı Izhikevich nöronlardan oluşan biyolojik olarak daha gerçek SNN modeline giriş olarak verilerek çıkışta modelin doğru tahmin yapması beklenmektedir. SNN modelinde en yüksek % 99 ve en düşük % 51 doğruluk oranı elde edilmiştir. Her iki model ile yapılan deneylerin sonuçları karşılaştırıldığında SNN modelinin sınıflandırma problemlerinde kullanılabileceği görülmüştür.
Pupg sinyal girişli manşonsuz sürekli kan basıncı izleme sisteminin performansının EKG ve PPG sinyal girişli sistemler ile karşılaştırılması
Kan basıncı insan sağlığı için oldukça önemli bir sağlık verisi olmakla birlikte günümüzde yaygın olarak görülen hipertansiyon hastalığının oluşmasında büyük rol oynamaktadır. Bu nedenle kan basıncının takibi oldukça önemli bir durum haline gelmiştir. Günümüzde sürekli kan basıncının takibi invazif yöntemlerle yapılmaktadır. İnvazif olmayan geleneksel kan basıncı ölçüm yöntemleri ise manşonlu yapıya sahiptir ve sürekli kan basıncının ölçümü için uygun değillerdir. Tez çalışmamızın amacı sürekli kan basıncının ölçümü için yüksek doğrulukta invazif olmayan yenilikçi bir yöntem geliştirmektir. Bu kapsamda esnek piezoelektrik sensör tabanlı yenilikçi bir sistem önerilmiştir. Tez çalışmamız üç bölümden oluşmaktadır. İlk bölümde tez çalışmasında kullanılan ve eş zamanlı elektrokardiyogram (EKG), fotopletismogram (PPG) ve palspletismogram (PuPG) sinyallerini toplayan sensör sistemi geliştirilmiştir. İkinci bölümde geliştirilen sensör sistemi ile veri seti oluşturulmuştur. Üçüncü bölümde ise oluşturulan veri seti ile kan basıncının tahmini literatürde sıkça kullanılan PTT parametreleri, PPG dalga parametreleri ve tarafımızca önerilen PuPG dalga parametreleri kullanılarak çeşitli regresyon ve YSA modelleri ile gerçekleştirilmiştir. Bu çalışmada Ortalama Mutlak Hata (MAE) değeri sistolik kan basıncı (SKB) için 2.076 mmHg, diastolik kan basıncı (DKB) için 1.641 mmHg olarak elde edilmiş olup elde edilen bu hata parametresi literatür ile karşılaştırılmıştır.
Konuşmacı tanımada gerçekçi sinir ağlarının performansının incelenmesi
Bu çalışmada, işitsel sistem esinli bir otomatik konuşmacı tanıma sisteminin performansı incelenmiştir. Bu sistemde, kulak, işitsel sinirler ve beynin, bilgi işleme, analiz ve sınıflandırma yetenekleri, oldukça gerçekçi bir yaklaşımla taklit edilmiş ve performansı otomatik konuşmacı tanımada incelenmiştir. Bulgular, önerilen yaklaşımın işitsel sinyallerin sınıflandırılmasında önemli potansiyelini vurgulamaktadır. Buna göre, literatürde sunulan en gelişkin yöntemlere kıyasla, önerilen yaklaşım otomatik konuşmacı tanıma görevini yüksek başarıyla yerine getirebilmektedir. Ayrıca, çalışmada önerilen hibrit yaklaşım bulgularına göre derin sinir ağlarının ve gerçekçi sinir ağlarının ardışık kullanılmasının sınıflandırma problemlerinde performansı artırıcı etkiye sahip olduğu gösterilmiştir. Sonuç olarak, biyo-esinli sistemlerin sınıflandırmada kullanılmasıyla, en gelişkin yöntemlerden daha yüksek performans elde edilebileceği ortaya koyulmuştur.