Akıllı EEG tasarımı

EEG sinyalleri günümüzde epilepsi, şizofreni gibi hastalıkların tespitinde olduğu gibi birçok alanda yaygın bir şekilde kullanılmaktadır. Bu çalışmada da EEG sinyalleri kullanılarak epilepsi, şizofreni hastalığı, uyku halinin tespiti ve düşünce ile sağ – sol imleç hareketinin tespiti taşınabilir bir Dijital Sinyal İşleme (DSP) kartıyla tespit edilmeye çalışılmıştır. Uyku tespiti yapılırken Ankara Gülhane Askeri Tıp Akademisi Ruh Sağlığı ve Hastalıkları Anabilim Dalı Uyku laboratuvarında kaydedilmiş olan EEG sinyalleri kullanılmıştır. Bu sinyaller 10 saniyelik bölütler halinde gruplandırılmış ve bu bölütlerin güç yoğunluk spektrumları elde edilmiştir. Elde edilen bu güç spektrum yoğunluklarının; çarpıklık(skewness), medyan, entropi, basıklık (kurtosis), standart sapma ve ortalama özellikleri alınıp Destek Vektör Makinaları (DVM) ve K En Yakın Komşu (KNN) sınıflandırıcılarıyla sınıflandırılmıştır. DVM ile %97 başarı elde edilmiştir ve DVM modeli Matlab Simulink ortamında oluşturulmuştur. Epilepsi hastalığı tespiti yapılmaya çalışırken Bonn Üniversitesi veri seti kullanılmıştır. Bu veri seti (A,B,C,D,E) olmak üzere 5 farklı sınıftan oluşmaktadır. Bu sınıflardan A(sağlıklı) ve E(Epilepsi hastası) kullanılmıştır. Bu iki sınıfın çarpıklık (skewness), medyan, entropi, basıklık(kurtosis), standart sapma ve ortalama özellikleri elde edilip DVM ve KNN sınıflandırıcılarının girişine uygulanmıştır. DVM ile %100 başarı elde edilmiştir ve DVM modeli Matlab Simulink ortamında oluşturulmuştur. Şizofreni hastalığı veri seti CEONREPOD veri paylaşım kaynağından elde edilmiştir. Bu veri seti 8.derecden Butterworth IIR bant geçiren filtresinden geçirilip Gama(30 – 45 Hz) ve Beta(13 – 30 Hz) bantları elde edilmiştir. Bu bantların frekans domeni ve güç spektrum yoğunlukları elde edilerek çarpıklık(skewness), basıklık (kurtosis) ve ortalamaları alınmış olup DVM ve KNN sınıflandırıcılarının girişine verilmiştir. DVM sınıflandırıcısı ile %96 başarı elde edildiğinden dolayı Matlab Simulink ortamında oluşturulmuştur. Sağ – Sol imleç hareketi için ise Graz Üniversitesi tarafından yapılan yarışmada kullanılan veri setlerinden biri kullanılmıştır. Bu veri setinden sadece sağ el motor hayali ve sol el motor hayali kullanılmıştır. Sinyallerdeki gürültüleri gidermek için Recursive Least Square(RLS) adaptif filtre algoritması kullanılmıştır. Simulink ortamında oluşturulan modeller bir model altında birleştirilip Matlab Grafik Arayüzü(GUI) ortamında bir kullanıcı arayüzü oluşturularak sonuçlar burada gösterilmiştir. Anahtar Kelimeler: EEG, Epilepsi, Şizofreni, Uyku, Destek Vektör Makineleri, K En Yakın Komşu, Uyku