EEG işaretlerindeki epileptik işaretlerin dalgacık dönüşüm yöntemi ile belirlenmesi

Abstract

48 ÖZET EEG dalgalan, beyin dokusundaki sinir hücreleri tarafından üretilen elektrik aktivitelerin toplamıdır ve kafadan kaydedilerek alınır. Frekans aralığı 0.5-100 Hz arasında olan bu dalgaların frekansı ve genliği birçok faktöre bağlı olarak değişmektedir. EEG işaretlerinde bulunan klinik bilgilerin objektif bir şekilde değerlendirilebilmesi için işaretlerin amaca uygun olarak farklı analiz yöntemleri ile incelenmesi gerekir. EEG dalgalan frekans içeriklerine bağlı olarak sınırlandırıldığından, modern parametrik analiz metotlan ile incelenmelidir. Özellikle, Dalgacık Dönüşümü (WT) durağan olmayan (non-stationary) işaretlerin işlenmesinde STFT, GT, AR, MA ve ARMA gibi parametrik analiz yöntemlerine bir alternatif olması yönüyle oldukça ilgi çekmektedir. Bu sistemlerin aksine WT, yüksek frekanslarda dar pencere kullanırken düşük frekansta geniş pencere kullanmaktadır. WT'nü taban fonksiyonlan üzerine bir işaret ayırma aracı olarak görmek yerinde olur. Analiz metotlannın performansı, frekans çözünürlüğü ve değişimleri aynı olmadığından, bu tezde WT frekans içeriği bilinen bir simule ve üç yaşında parsiyel epilepsi nöbeti geçiren bir çocuktan alınmış gerçek işarete uygulanmıştır. İşaretlerin 8, 9, a ve P frekans bantlanm elde etmek amacıyla Altband Kodlama Algoritması (SBCA) kullanarak, işaretler alt-örneklendi. Daha sonra, bantlann aktivitesi genlik-zaman ekseni üzerinde gösterildi. Aynca klinik açıdan yorumlanabilirliği arttırmak için band aktiviteleri frekans-zaman ekseni üzerine resmedildi. Epileptik nöbet aktivitesinin tespit edilmesi ve görüntületilmesi için WT ve SBCA' in kullanışlı olacağım ifade ediyoruz.

49 SUMMARY The Electroencephalogram (EEG) is a summation of electrical activities, generated by nerve cells in the cerebral cortex and recorded from the scalp. The EEG waves lie in the frequency range of 0.5-100 Hz. Their frequency and magnitude alters depending on many factors. In order to obtain clinical information, the EEG waves have to be analyzed with different analysis methods. Since the EEG waves are classified with respect to their frequency contents, they are mainly analyzed with modern parametric analysis methods. In particular, the Wavelet Transform (WT) is of interest for the analysis of non- stationary signals, because it provides an alternative to STFT, GT, AR, MA and ARMA modern parametric systems. In contrast to these systems, WT uses short windows at high frequencies and long windows at low frequencies. It is desirable to see the WT as a signal decomposition onto a set of basis functions. Since the performance, frequency resolution and variation of the analysis methods are not similar, in this thesis WT method is applied to a simulated signal whose frequency content is known and a pathologic real signal from a three years old child having partial epileptic seizure activity. By using the Subband Coding Algorithm (SBCA) the signals are subsampled so as to have their 8, 0, a and P frequency bands. After that, the bands were put on the magnitude-time axis and the variations of the magnitude of the frequency bands with respect to time were traced. And also frequency band activities of signals are mapped onto frequency-time axes for obtaining clinically interpretable results. In order to detect and monitorize epileptic seizure activity, we propose the WT and SBCA.