Yapay sinir ağları kullanarak EEG modellemesi ve uyarılmış beyin potansiyellerin çıkartımı

Abstract

YAPAY SINIR AĞLARI KULLANARAK EEG MODELLEMESI VE UYARILMIŞ BEYİN POTANSİYELLERİNİN ÇIKARTIMI İrfan SAĞDINÇ Anahtar Kelimeler: EEG Modelleme, UP Çıkartımı, Doğrusal Olmayan Sistem Tanılama Özet: Uyarılmış beyin potansiyelleri(UP'ler) klinik tanı için çok önemlidir. UP'ler genellikle süregelen elektroensefalogram (EEG) içerisine gömülü durumdadırlar ve çıkartımlan en çok bilinen UP elde etme yöntemi olan grup ortalaması almakla elde edilir. Bu yöntemle, kullanışlı bir dalga şekli elde edebilmek için yüzlerce segment UP ölçümü gerekmektedir. Bu çalışmada, tek segmentlik kayıtlarda uyarılmış potansiyellerin tesbiti için, ölçülen aktiviteyi süregelen EEG ve uyarılmış potansiyel parçalarına ayıran bir yöntem kullanılmıştır. Çalışmada ölçülen aktivitelerin süregelen kısmı Yapay Sinir Ağı (YSA) tarafından kestirildikten sonra kestirim hataları UP olarak yorumlanmıştır. EEG işaretinin zamanla-değişen nitelikte olması nedeni ile, EEG'ye ait bir parametrik model çıkarabilmek için dinamik yaklaşımların kullanılması tercih edilmelidir. Bu nedenle uyan sonrası EEG aktivitesinin, uyan öncesi EEG ile eğitilen bir dinamik YSA ile kestirilebileceği düşünülmüştür. Uyan sonrası aktiviteyi Jcestirmek için `Gerçek-Zaman Geri-Dönüşümlü` ağ ve `Çok Katmanlı Algılayıcı`, dinamik ve statik yaklaşımlar olarak kullanılmıştır. Bu yöntemlerde, UP'ler bir segmentlik veri için çıkartılmaya çalışılmış ve sonuçlar ortalama alma yöntemi ile zaman ve frekans düzleminde karşılaştınlmıştır. Tez çalışmasında, yöntemlerin doğruluğunu test etmek amacı ile bir simülasyon çalışması gerçekleştirilmiştir. Simülasyon çalışmasında, EEG ve UP ayn ayn üretildikten sonra bir model altında toplanmıştır. Yöntemlerin yapay veri ile test edilmesinden sonra bir segmentlik UP'lerin çıkartılması için gerçek işaret kullanılmıştır.

İrfan SA?DINÇ Keyword: EEG Modelling, UP Detection, Non-linear System Identification Abstract: Evoked potentials (EPs) of the brain are very meaningful for clinical diagnosis. The EPs are usually embedded in ongoing electroencephalogram (EEG). The traditional method of EP extraction is take ensemble averaging. In this method, to obtain a usable waveform thousands of evoked potential measurements are required. In this study, for the investigation of evoked potentials in single segment measurements, a method which separates the measured activity into spontaneous part and evoked potentials is used. Spontaneous part of the measured activity was estimated by ANN and estimation errors have been interpreted as EPs. Since EEG' s are time-varying signals, dynamic approaches must be used to obtain accurate results. Therefore, it was considered that poststimulus EEG activity may be estimated by a dynamic ANN which is trained by prestimulus data. In order to estimate the poststimulus activity, real-time recurrent neural network (RNN) and multilayer perceptron (MP) were used. In these approaches, EPs have successfully been extracted in single segment and results compared with the ensemble averaging in time and frequency domain. In order to test the accuracy of the methods a simulation study has been performed. In simulation study, EEG and EPs were produced separately and then combined in a model. After testing the methods with artificial data, real signal was used for the single segment extraction of EPs.