查看文章

Elektroensefalogram (EEG), beyindeki elektriksel aktivitenin izlenmesi için yaygın olarak kullanılmaktadır. EEG sinyallerinin hekimler tarafından incelenmesi yorucu ve zaman alıcıdır. Bu nedenle, algılama doğruluğunu artırmak için makine öğrenme teknikleri kullanılabilir. Bu çalışmada 35 kanal, 10575x15 saniye normal ve 11240x15 saniye anormal EEG sinyalinden oluşan 2 sınıflı veri seti oluşturulmuştur. Bu very seti Turgut Özal Üniversitesi Malatya Eğitim Araştırma Hastanesi’ ne 2021 yılında başvuran hastaların EEG sinyalleri incelenerek elde edilmiştir. Çalışmada istatistiksel özellik çıkarımı tabanlı bir model önerilmiştir. Önerilen modele komşu bileşen analizi kullanılarak öznitelik vektörü indirgemesi yapıldıktan sonra destek vektör makineleri kullanılarak sınıflandırma yapılmıştır. 35 kanaldan en yüksek doğruluk P4O2 kanalında elde edilmiştir. P4O2 kanalı için doğruluk, duyarlılık, özgüllük, kesinlik ve f-skoru sırasıyla %81.3,%78.9, %83.7, %82.0 ve %80.4 olarak elde edilmiştir.